Cloud Code 远不止是一个命令行工具，它通过模式切换、MCP 集成、上下文管理、Hooks、Skills、Sub Agents 和 Plugins，构建了一个高度可扩展的编程 Agent 生态。无论你是希望快速原型、精确还原设计稿，还是定制团队工作流，它都能提供强大支持。当然，工具再强也离不开人的判断。建议在实际项目中逐步引入这些功能，找到最适合自己的组合。

obsidian在AI服务开发中，模型调用的稳定性是核心痛点之一——无论是第三方模型接口超时、限流，还是自建模型服务故障，只要单个模型异常，就可能导致整个AI服务中断，直接影响用户体验和业务连续性。为解决这一问题，我们设计了一套，通过多模型候选、断路器保护、首包探测等核心设计，实现“单个模型故障不影响整体服务”的高可用目标。本文将从“为什么需要降级”“整体架构”“核心组件源码解析”“流程图解”“实

MCP（Model Context Protocol），即模型上下文协议，本质是一套让AI模型高效、标准化调用外部工具的通信协议，其核心定位是“统一工具调用的语言”，与大家熟知的Function Calling相比，它更注重标准化、可扩展性和工程化落地。标准化：统一工具定义、请求/响应格式、调用流程，解决不同工具调用接口混乱的问题，降低多工具集成成本；可扩展：支持工具的动态注册、按需调用，新增工具

在微服务与分布式系统架构中，消息队列是解决系统解耦、削峰填谷、异步通信的核心组件，而RabbitMQ作为AMQP（高级消息队列协议）的成熟实现，凭借其稳定的路由能力、完善的确认机制、灵活的持久化策略以及丰富的插件扩展，成为企业级开发中的首选方案。很多开发者在使用RabbitMQ时，常会陷入“会用但用不精”的困境——比如不清楚Exchange的四种类型该如何选择、生产者确认机制怎么配置、重试与幂等该

操作系统：Windows 10/11（64 位）基础工具：Android Studio：提供 Android SDK、模拟器及开发工具支持Flutter SDK：核心开发框架，必装Git：可选，用于版本控制，部分 Flutter 功能依赖硬件要求：至少 4GB 内存，预留 10GB 以上磁盘空间（存储 SDK、依赖、模拟器镜像）

源码泄露了，但方向不会变。AI的下一个形态，不是更强的模型，而是更完整的“存在方式”。它会记住你，会自己规划，会在你睡觉时“做梦”整理记忆，会调用多个Worker并行工作，会在崩溃后自动重启。它不再是“你问它答”的对话工具，而是一个驻留在你电脑里的、永远在线的智能体。这东西如果真跑起来，我们和AI的关系将被彻底重写。你怎么看？欢迎在评论区聊聊。下期见。

MCP（Model Context Protocol），即模型上下文协议，本质是一套让AI模型高效、标准化调用外部工具的通信协议，其核心定位是“统一工具调用的语言”，与大家熟知的Function Calling相比，它更注重标准化、可扩展性和工程化落地。标准化：统一工具定义、请求/响应格式、调用流程，解决不同工具调用接口混乱的问题，降低多工具集成成本；可扩展：支持工具的动态注册、按需调用，新增工具

obsidian在AI服务开发中，模型调用的稳定性是核心痛点之一——无论是第三方模型接口超时、限流，还是自建模型服务故障，只要单个模型异常，就可能导致整个AI服务中断，直接影响用户体验和业务连续性。为解决这一问题，我们设计了一套，通过多模型候选、断路器保护、首包探测等核心设计，实现“单个模型故障不影响整体服务”的高可用目标。本文将从“为什么需要降级”“整体架构”“核心组件源码解析”“流程图解”“实

压缩算法是整个策略的核心，我们采用“增量摘要+范围控制”的思路，既保证摘要的准确性（不丢失关键信息），又提升压缩效率（避免重复处理已有摘要）。摘要的质量直接影响模型对上下文的理解，因此我们需要通过合理的Prompt设计和合并逻辑，确保摘要精准、简洁、不偏离原意。增量摘要的核心是“合并去重”，避免重复信息，同时保留新增内容。旧摘要："用户询问请假流程，助手回答需要提前申请"新对话：用户：我想请年假助

obsidian在大模型应用爆发的当下，RAG（Retrieval-Augmented Generation，检索增强生成）早已不是陌生概念——它解决了大模型“知识过期”“幻觉生成”的核心痛点，让AI能基于实时、精准的知识库内容生成回答，广泛应用于智能客服、文档问答、企业知识库等场景。但很多开发者面对RAG代码时，常常陷入“看得懂单个接口，却串不起完整链路”的困境：为什么要分8个步骤？每段代码在链