twl

SWE-bench 是第一个大规模、可自动评测的“真实软件工程任务”基准. Claude Opus 4.5 和 GPT-5.2-Codex 是当前 SWE-bench 最高水平的模型.

不把事情真的交给工具，模型只能在 context 里“脑补”，既费 token 又不准。 Skills 把能力变成“可按需加载的外部模块”，context 只承担“索引和当前任务”的角色。

对比“不用 Bash” vs “用 Bash”时，大模型解决同一个问题的方式差异，核心想说明的是让模型把“思考 + 执行”交给真实工具（如 Bash），可以避免胡编、提高准确性和可复现性。

两张图说清楚Agent RAG 如何从理论到落地的详细流程。概念级流程图”落实成“可执行 Agent / Graph 工作流”的实现版。

用最清晰、最准确的方式解释 Skills 和 MCP（Model Context Protocol） 的区别，让你快速分辨两者各自负责什么。

对比三种用 LLM（大语言模型）构建系统的方式，从左到右分别是 Workflows（工作流）→ 受控工作流模式 → Agent（智能体） ，核心区别在于：LLM 对“控制流程”和“行动”的自主程度。

前者是“系统编排框架”，后者是“模型调用工具的接口”。它们不是互斥关系，实际项目里经常是 Graph API 负责流程与状态，而 Function API 负责在某个节点里调用外部工具。

传统 RAG：“我按你的问题检索一次资料，然后直接生成答案。” Agentic RAG：“我先想清楚要做什么 → 该查什么 → 查几次 → 用不用工具 → 再决定下一步，直到完成目标。

本文从第一性原理拆解 Claude 的 Agent Skills 系统，记录这个名为“Skill”的工具如何作为元工具，把领域专用提示注入对话上下文。