Claude Skills 将 Agent 完成特定任务所需的指令、脚本、参考资料和素材打包成标准文件夹。内容围绕目录结构、分层加载机制、与 MCP 的关系，以及开发者如何用同样模式管理自研 Agent 能力库展开。
LLM 不是确定性的开发者，而是基于上下文预测 Token 的概率模型。围绕 p^n 成功率衰减、上下文舒适区、Unknown Unknown 错误和责任边界，讲清如何设计更可靠的人机协同开发流程。
大语言模型默认生成自由文本，难以直接接入业务系统。围绕 Prompt 引导、验证修复、约束解码、监督式微调、强化学习和 API 原生结构化能力，讲清结构化输出的原理、实现方式、评估指标和选型思路。
多智能体框架的差异主要体现在协作抽象、工具调用、状态管理、可观测性和部署能力上。围绕 Swarm、OpenAI Agents SDK、Qwen-Agent、Dify、CrewAI、AutoGen 等 10 个框架，梳理学习、开发、生产三个阶段的选型思路。
后台定时 Agent 能按计划自动采集数据、调用大语言模型分析结果，并在风险场景中触发人工确认。围绕 Spring AI Alibaba 的 StateGraph、CompiledGraph 和 schedule 机制，讲清定时 Agent 的设计方式、代码实现和落地注意事项。
从媒体中心、个人数据时间线、可视化 AI 智能体、体素沙盒游戏，到自然语言控制浏览器和电子健康记录系统，系统梳理 7 个开源项目的核心能力、工作方式、适合场景和上手要点。
Agentic Context Engineering 将系统提示、记忆、工具经验和领域规则组织成可持续演化的“作战手册”，让大型语言模型在不更新参数的情况下通过执行反馈改进表现。这里讲清 ACE 的问题背景、生成器-反思器-整编器架构、增量更新机制、实验结果和适用边界。
介绍如何让 Claude Code 使用智谱 GLM-4.6 作为编程模型，并通过 MCP 接入视觉理解和联网搜索能力。内容包括 API Key 获取、环境变量配置、MCP 服务配置、测试方法和常见排错。
