上下文工程关注的不再是单条提示词怎么写,而是如何为大语言模型动态组织指令、记忆、工具、检索结果和输出格式。围绕 LangChain、Claude Code、Manus 和 Kiro 的实践,可以看到 Agent 系统从 Prompt 驱动走向 Context 驱动的工程化路径。
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。
Claude Code 可以通过周边工具扩展出用量监控、多智能体协作和图形化聊天能力。这里拆解 Claude Code Usage Monitor、Claude-Flow 和 claude-code-chat 的功能定位、适用场景、安装方式与使用注意点。
围绕 Claude Code 风格的代码智能体,讲清如何用 LangGraph 从基础 ReAct Agent 扩展出人工确认、检查点恢复、SubAgent、Todo 任务跟踪、上下文压缩和实时中断恢复能力。
AI 编程经常卡在项目上下文不足:代码能写出来,却不符合业务规则、异常规范和团队习惯。私域知识工程通过代码分析、知识库沉淀和文档自动维护,把项目经验结构化地喂给 AI,让代码生成更接近一次可用。
Claude Code 没有把预构建代码索引作为核心能力,而是更依赖 glob、grep 等实时搜索工具。围绕这个选择,可以理解无状态设计在可组合性、确定性、隐私和维护成本上的优势,以及它与向量索引、传统 IDE 索引各自适合的场景。
opcode 是一个面向 Claude Code 的桌面图形化工具,用来集中管理 AI 编程项目、会话历史、任务型 Agent 和使用成本。它不替代 Claude Code,而是在命令行能力之上提供更直观的项目控制台。