Agentic AI 不是简单地让大模型回答一次问题,而是让模型能规划任务、调用工具、检查结果并迭代完成复杂工作。这里用 Python 讲清反思、工具使用、规划、多智能体四种核心模式,以及落地时的测试和生产注意事项。
老项目常见的问题是代码复杂、文档缺失或文档过期。这里围绕 Qoder Repo Wiki、Google Code Wiki、Zread 和 DeepWiki-open 四类 AI 代码 Wiki 工具,讲清它们的能力边界、适用场景、部署方式和选型建议。
Vibe Coding 是一种用自然语言驱动 AI 完成软件开发的方式。这里梳理 5 个 GitHub 开源项目,覆盖入门路线、提示词模板、Claude Code 配置、流程指南和工具清单,帮助你搭出一套可落地的 AI 编程工作流。
介绍 4 个实用 GitHub 开源项目:Awesome Mac 用来筛选 macOS 软件,React Bits 提供高质量 React 动效组件,Agent Rules 为 Claude Code 和 Cursor 提供工程化规则,Microverse 用 Godot 4 构建多智能体 AI 小镇。
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。