AI 输出不好，很多时候不是模型能力不够，而是提示词没有把标准、边界和调整方式说清楚。围绕 Claude Design 的提示词设计思路，拆解黑名单约束、占位符、防幻觉、多方案生成、反问机制和可调参数等方法。
Claude Code 的能力不只来自基座模型，还来自提示词组装、上下文管理和运行时约束三层工程设计。围绕 Prompt、Context、Harness 三个维度，拆解一个 AI Coding Agent 如何处理长程任务、工具调用、安全权限、记忆压缩和多 Agent 协作。
介绍 Rowboat、DeepTutor、andrej-karpathy-skills、claude-mem、ChinaTextbook、MarkItDown 和 VoxCPM 的核心用途、工作方式、适用场景与上手命令，覆盖多 Agent 编排、Claude Code 约束与记忆、文档转换、教材资源和语音合成。
Vibe Coding 适合快速写原型，但很难直接支撑生产级后台开发。Agentic Engineering 把 AI 放进需求澄清、计划制定、编码、审查、部署和修复的结构化流程里，让开发者负责目标、约束和审核，AI 负责执行可自动化的工程动作。
卡片式对话不是把组件塞进聊天框，而是涉及模型输出、Markdown 流式解析、实时数据获取、跨端渲染和事件通信的一整套协议设计。这里系统讲解代码块扩展、占位符、自定义标签、增量 Patch、Tool 驱动以及四层统一协议的落地方式。
Hermes Agent 的 Skills 系统让 Agent 能把复杂任务经验沉淀成可复用技能，并在后续使用中自动检索、加载、修正。这里从 Skill 创建、索引缓存、条件激活、渐进式加载、安全扫描和自改进机制几个角度拆解它的核心设计。
Claude Code 不只是一个命令行编程助手，更像一套面向复杂任务的 Agent Runtime。这里从启动链路、REPL 控制面、Query Loop、工具运行时、权限系统、多 Agent 任务系统和 MCP 扩展层拆解它的架构设计。
Hermes-Agent 和 OpenClaw 都是面向 AI Agent 开发的框架，但侧重点不同。这里从记忆系统、工具生态、部署方式、模型支持和安全机制几个维度拆解两者差异，帮助开发者根据场景做选型。
智能体在没有规则的目录里会直接执行任务，久了就会留下混乱的文件结构、命名和上下文。约束先行要求先写全局与项目级 CLAUDE.md，再让 Agent 按规则开发、研究或管理知识。
RAG 文档切割如果把完整语义拆散，向量检索可能召回不到真正答案。围绕重叠切割、语义边界切割、句子窗口检索、父子切割、命题化切割和 Contextual Retrieval，讲清语义截断的成因、解决思路和工程取舍。
