关键词
LLM
Prompt Context 上下文窗口 Context Window Context Engineering
Memory
RAG
Function Calling
Agent
Agent
智能代理--高度智能有机体-人工智能实体化
工具化解释： Agent的诞生：给模型配一个“秘书
RAG（检索增强生成），说白了就是：先查资料，再喂给模型 Agent其实是“所有不需要智能的部分”？？ 这种解释待定
LLM+记忆+任务规划+工具使用
memory planning skill and tool use
：规划（Planning）、记忆（Memory）、工具调用（Tool Use）
01.LLM：
大语言模型在处理和生成文本方面表现出色，但它们在本质上是无状态（stateless）的。
这意味着每次与LLM的交互都是独立的，模型本身不会“记住”过去的对话或经验。大模型在“记忆”上主要局限于：
上下文窗口的限制导致遗忘问题。LLM通过一个有限的“上下文窗口”（Context Window）来处理信息
难以处理多轮/复杂任务 无法个性化 长上下文带来的性能和成本影响
所谓“连续对话能力”，本质就是不断重复塞旧内容 把历史聊天记录复制到新的输入里
02.记忆系统
旨在克服LLM的局限性，赋予智能体以下核心能力
短期记忆（Short-term Memory, STM）是智能体维护当前对话和任务的即时上下文系统
会话缓冲（Context）记忆 工作记忆
长期记忆（Long-term Memory, LTM）是智能体用于跨会话、跨任务长期保存知识的记忆形式
摘要记忆 结构化知识库 向量化存储
不同场景下如何选择记忆内容、设计写入策略、组织记忆结构、实现检索召回
时间维度（理解时间依赖的关系和序列）、
空间维度（解释基于位置的和几何关系）、
参与者状态（跟踪多个实体及其不断变化的状况）、
意图上下文（理解目标、动机和隐含的目的），
以及文化上下文（在特定社会和文化框架内解释交流）
自主智能体和生成智能体
工具
01.Command --精确的指令--演化到是一种快捷方式，即预置的一段提示词，
在claud中是一个存放在指定位置的MarkDown文件，文件定义了一些配置属性 FrontMatter 前端元数据（Front Matter
name description Markdown正文
~/.claude/commands 存储位置用户级别或者项目级别 User or Project 层级
将日常任务，提取和抽象一些共性规则并整理成SOP（标准作业程序）Standard Operating Procedure，以及使用自然语言描述
frontmatter 必须位于 Markdown 文件的顶部 (在任何元素之前,包括 标签),并且需要在三条虚线之间采用有效的 YAML 格式
02.Subagent 是 Claude Code 中专门用于处理特定任务的 AI Agent
Subagent 有自己独立的上下文窗口、系统提示词和工具权限
Subagent 由一个配置文件定义，配置文件格式为 Markdown，定义 Subagent 的 Metadata 以及系统提示词
name description tools：定义 Subagent 可以使用的工具清单
主 Agent 与 Subagent 采用相互隔离的上下文，目的是避免上下文污染
subagent_type: 具体的 Subagent 标识
03.Skill 是 Claude Code 中将专业知识打包成可复用功能的机制，每个 Skill 包含一个 SKILL.md 文件
skill.md，里面用结构化方式描述：这个技能叫什么、解决什么任务、需要哪些步骤/脚本/资源，以及调用时应遵循的规则
每个 Skill 定义为 Command
04.Hooks
为 Claude Code 的行为提供了可预测的确定性
UserPromptSubmit
SessionStart SessionEnd PreCompact
PreToolUse PostToolUse SubagentStop
Notification Stop
行为说明：用 CLAUDE.md 之类的文档定义项目级、用户级规则和上下文，相当于给模型一个统一的「说明书接口」。
配置层级：支持用户级、项目级等配置层次，让不同作用域的配置文件叠加生效
命令与工具：甚至 Slash 命令、工具行为等也可以通过文件/文档约定，而不是硬编码在 UI 里。
使用
Headless Mode：非交互式，便于批处理脚本集成
/compact 上下文压缩指令，内部通过多种压缩机制来精简超长的上下文
2.Headless Mode
claude --output-format=stream-json -p 'your_task_description'
标准 MCP
MCP(Model Context Protocol) 是 Anthropic 推出的一种开放协议标准
ACP 协议是一种 CLI 与 IDE 集成的协议
个人智能体框架 OpenClaw
命令系统
claude：启动交互式 REPL（无初始提示）
斜杠命令（Slash Commands）
claude -p "query"：通过 SDK 查询，然后退出
命令--参数--配置
会话初始化 session--执行命令--返回结果
非交互模式：-p 标志不会进入交互模式，执行完查询后立即退出
管道 结合重定向
会话和目录
-c 只会加载当前目录中的会话。要恢复其他目录的会话，需要切换到该目录或使用 -r 命令。
应用
数据粗加工
实现语义相似性搜索和精确的元数据过滤。
1.embedding、全文检索、标签
1.从非结构化文档中提取结构化信息
1.谷歌LangExtract是一个 Python 库，可以通过LLM （支持 Gemini 系列、Ollama 本地模型、Gemma 开源模型等）
根据用户定义的指令从非结构化文本文档（如临床记录、合同等）中提取结构化信息。
2.向量化模型可将文本、图像、视频等数据转换为数值向量，用于语义搜索、推荐、聚类、分类、异常检测等下游任务
思路
1.无法进行量化的差异，试着将其可视化，并人工区分打标签，进而训练模型来区分，以此积累经验
实际应用示例
一个时代有一个时代的主题，一代人有一代人的使命 。一个时代的窗口有多长，
时代的滑动窗口和滚动窗口
工业时代三个阶段: 兴起
信息时代
AI时代
参考
揭秘 Claude Code 前沿技巧与 Qoder CLI 日常开发实战 https://mp.weixin.qq.com/s/bM3iAIJocpmwjphgX8Wo1A
https://claudecode.tangshuang.net/tutorial/
浙公网安备 33010602011771号