可按需加载、可复用的模块化指令包，支持斜杠命令/skillname手动唤起，也可由模型自动调用。SKILL.md，支持放在项目目录或插件内。独立隔离的 AI Agent 实例，拥有独立上下文窗口、独立系统提示、独立工具权限；主 Agent 可以委派任务给它。类比：主工程师把专项任务外包给独立实习生，实习生独立干活，只返回最终摘要，不污染主对话上下文。Anthropic 开源双向标准化协议Claud

可按需加载、可复用的模块化指令包，支持斜杠命令/skillname手动唤起，也可由模型自动调用。SKILL.md，支持放在项目目录或插件内。独立隔离的 AI Agent 实例，拥有独立上下文窗口、独立系统提示、独立工具权限；主 Agent 可以委派任务给它。类比：主工程师把专项任务外包给独立实习生，实习生独立干活，只返回最终摘要，不污染主对话上下文。Anthropic 开源双向标准化协议Claud

Agent（智能体），是一个以大模型为"大脑"，能自主感知环境、做出决策、调用工具、完成多步骤任务的程序。自主（Autonomously）：不需要人在每一步发指令。你给它一个目标，它自己判断下一步做什么多步骤（Multi-step）：一个任务可能要走 5 步、10 步，Agent 自己把这些步骤串起来工具调用（Tool use）：调用真实的函数，查数据库、搜网页、发通知、写文件，不只是"说说"，而

这一步是我们开发者要写的，相当于给大模型一份严格规范的工具说明书，大模型会完全按照这份说明书，判断要不要调用工具、怎么调用工具。"description": "获取指定城市指定日期的天气情况，包括温度区间、晴雨状况、风力风向","city": {"description": "需要查询天气的城市中文名称，示例：北京、上海、广州"},"date": {"description": "需要查询的日期，

AI 大模型是指具⁠有超大规模参数（通常为数十亿到数万‌亿）的深度学习模型，通过对大规模数​据的训练，能够理解、生成人类语言，‎处理图像、音频等多种模态数据，并展‌示出强大的推理和创作能力。大模型的强大之处在于它的涌现能力—— 随着模型参数量和训练数据量的增加，模型会展现出训练过程中未明确赋予的新能力，比如逻辑推理、代码编写、多步骤问题解决等。大模型百花齐放，举些例子：OpenAIGPT-4o（多

发布历史 | Nacos 官网我这里是2.4.3版本，下载好之后解压到无中文空格目录下，推荐放在开发环境的文件夹下，没有的从现在开始，养成良好的学习习惯。

volatile是轻量级同步，仅保证可见性和有序性，不保证原子性，适合简单的状态标记场景；是全能型同步锁，保证原子性、可见性、有序性，适合需要原子操作的临界区代码；实际开发中，优先用volatile优化性能（能不用锁就不用），需要原子操作时再用（或更高效的Atomic原子类）。

核心分类：JUC 包常用类主要分为 5 类 —— 线程池、锁、并发集合、同步工具类、原子类，覆盖了并发编程的核心场景；核心优势：相比传统并发方式（synchronized、Thread），JUC 提供了更高的并发效率（如 CAS、读写锁）、更灵活的控制（如可中断锁、超时锁）、更安全的工具（如有界阻塞队列）；使用原则线程池优先用自定义参数，避免Executors的无界风险；读多写少用，普通互斥用；简

JVM 运行时数据区分为线程私有（程序计数器、虚拟机栈、本地方法栈）和线程共享（堆、方法区），其中堆是 GC 核心区域；虚拟机栈易出（栈深度超限），堆易出（堆内存不足），元空间（JDK8+）也可能因类元数据过多溢出；理解内存模型的核心价值：能定位内存溢出 / 泄漏问题，优化 JVM 参数，提升程序稳定性。

GC 核心是通过可达性分析判定死亡对象，堆采用分代回收（新生代用复制算法，老年代用标记 - 整理）；GC 分为 Minor GC（新生代，频繁快）、Major GC（老年代，低频慢）、Full GC（全局，需避免）；回收器选择需匹配场景：Parallel 追求吞吐量，G1/CMS 追求低延迟，ZGC 适配超大内存；调优优先保证堆内存足够，再优化回收器参数，最后排查内存泄漏。