摘要： clarify = 当用户需求不明确时，让模型或 Agent 向用户提问以获取更多信息 用户输入 ↓ Agent / LLM 尝试生成 schema ↓ 发现缺信息 ↓ 生成 clarify prompt → 问用户 ↓ 用户回答 ↓ 继续生成 schema 特性repairclarify 作用对象 阅读全文

摘要： repair = 当 LLM 输出“不符合 schema 合同”时，用同一个 schema 把它“拉回正轨” 不是重新生成，是 在已有输出基础上修复。 LLM 生成 ↓ parse JSON ↓ validate schema ↓ ❌ 失败 ↓ repair prompt ↓ LLM 修复 ↓ 再次 阅读全文

摘要： schema = 给 AI 和程序同时看的“结构合同（Contract）” schema.ts 是 Agent 世界里的 interface.d.ts不是实现，是 约定。 1.定义“模型应该输出什么结构”，是给整个 Agent 系统定“目标形态” 2.作为 JSON 校验 / 修复的依据 3.成为 阅读全文

摘要： prompt = 你教模型“现在该怎么干活”的说明书 prompt 不是“prompt.ts”，而是 messages 结构 messages: [ { role: 'system', content: '规则和身份' }, { role: 'user', content: '用户需求' } ] r 阅读全文

摘要： llm就是 Agent 跟大模型“打电话”的那一层，负责“怎么调用大模型” llm是最底层、最干净的一层它不关心业务、不关心表单、不关心流程 1.统一封装大模型调用 1.1OpenAI / Azure OpenAI 1.2Moonshot / DeepSeek 1.3本地模型（Ollama） 2.抹 阅读全文

摘要： Agent = 有目标、会思考、能自己决定下一步怎么做的程序 Agent = LLM + Memory + Tools + Planner 1.Prompt = 协议定义语言 2.Agent 必须结构化，否则不可控，Zod = Agent 的安全带 3.Tool Calling（Agent 的手和脚 阅读全文