AI Skills 可以把固定工作流封装成可复用能力，让助手按指令调用脚本、模型和浏览器自动化。围绕 videocut-skills、Humanizer-zh、Auto-Redbook-Skills 和 add-skill，讲清它们能做什么、适合什么场景，以及如何上手。
Claude 宪法是一套写给模型的行为与价值规范，用价值优先级、委托人层级、硬性红线和可指令默认行为来约束 Claude。它展示了大模型安全从“枚举规则”走向“培养判断力”的治理思路。
AgentCPM-Explore 是基于 Qwen3-4B-thinking-2507 后训练得到的 4B 端侧 Agent 模型，面向长周期、多步交互任务。内容讲清它的能力边界、组件架构、适用场景，以及基于 AgentDock 和 Docker 的部署运行方法。
Agent Skills 可以把领域知识、操作流程、脚本和资源封装成可复用的能力单元，让 AI Agent 在需要时动态加载。围绕自然语言查数和指标归因分析两个数据场景，讲清 Agent Skills 与 MCP、A2A 的边界、技能目录结构、SKILL.md 写法以及落地时的安全注意事项。
Prompt 重复指把同一个问题在输入中连续放两遍，让非推理大模型在第二遍处理问题时能利用第一遍提供的完整上下文。围绕实验结果、因果语言模型机制、适用场景和使用模板，讲清这种看似简单的技巧为什么可能提升准确率。
Claude Skills 把 Agent 能力封装成可选择、可执行的技能，但技能库规模和语义相似度会直接影响路由准确率。围绕单智能体技能系统的扩展边界和 SkillScan 的大规模安全扫描结果，系统讲清技能系统什么时候适合替代多智能体，以及上线前需要做哪些安全检查。
X 平台开源的新推荐系统把排序核心转向 Transformer 模型，通过 Thunder、Phoenix 两条候选来源生成信息流，再用多行为概率加权打分。梳理候选召回、排序、过滤、多样性和 OON 调分等关键机制。
Agentic AI 把大语言模型放进可感知、可行动、可记忆、可验证的闭环系统中。围绕范式演进、Agent Transformer 五元组、单 Agent 与多 Agent 协作、三层学习策略和落地评估，系统拆解构建 AI Agent 时必须理解的关键机制。
