Claude code

第一次较为全貌的看到Claude这种顶级 Agent 是怎么工程化的， 让 Claude Code 帮忙看了 Claude Code 的源码，其中有意思的反蒸馏机制，这是泄露中最具战略意义的发现

Transformer 架构决定了，输入质量直接决定输出质量。在当前模型能力相对稳定的阶段，让输入更准确，是 AI 编程工具性价比最高也最容易工程化落地的方向。

问题：Claude Code Skills 能力强，但常绕过预设逻辑，自由生成代码，导致错误静默、交付不可靠。 解法：通过三阶段演进——自由生成 → 规则约束 → 原子交付，将确定性逻辑下沉为脚本……

这或许就是工程效率最朴素的进步： 少一点玄学，多一点确定； 少一点配置，多一点直给。 拥抱更新

原以为大模型协同是武当纵云梯，左脚踩右脚便能到达彼岸。但实际工作中大模型协同更像段誉的凌波微步：躲避鸠摩智追杀是生存，离不开它；奔向王语嫣是对美好生活的向往……

混合自动化方案后 1. **大幅降低成本**：Token 消耗降低 74% 2. **提升执行速度**：执行时间缩短 6 倍 3. **提高可靠性**：步骤跳过率从 20% 降至 0% ……

在 AI 时代，大模型能助你体验武侠片里高手左脚踩右脚的快乐 SKILL 的触发基于 description 中的关键词匹配

Skills 核心还是提示词，固化prompt，这点上跟rules类似。 在这基础上，Skills 能模块化、做到按需加载