Skill 是一个自包含的文件夹，作用是把 Codex 从通用型 Agent 转变成某个领域的专家。让子代理（subagent）假装是普通用户Skill 能否被正确触发指令是否足够清晰输出是否符合预期。

基本定义# 基本定义 def greet(name) : return f"Hello, {name } " # 默认参数 def power(base , exp = 2) : return base ** exppower(3) # 9 power(3 , 3) # 27 # 关键字参数（调用时指定名字，顺序无所谓） def create_user(name , age , city) : r

概念本质你该掌握到什么程度CoT把推理摊开成步骤理解原理;知道新模型用替代手写 CoTToT推理变树搜索:生成→评估→回溯能手写"生成N个方案→评估→选优";知道生产中常退化为 Best-of-N 和 Critic 模式ReAct想↔做交替循环精通——它就是你的 05_agent_loop.py;能讲清 prompt 解析(旧)vs 原生 tool use(新)的演进多智能体多个独立上下文的 Ag

按句子智能切分# Markdown 按标题结构切分（更聪明）你的 Java 项目LlamaIndexpgvectortopK: 4Node 的 metadataRAG 来源标注你 Java 项目里手写的 RAG 逻辑,LlamaIndex 全部封装好了,而且多了重排、混合检索、多索引路由这些你项目还没有的进阶能力。

主题一句话本质掌握标准记忆与状态API 无状态,记忆全靠工程精通:能说清短期/长期记忆的分界和各自解法MemGPT上下文=RAM,外存=磁盘,模型自己换页理解思想;知道 Anthropic Memory Tool 是它的产品化mem0提取事实而非存原文,ADD/UPDATE/DELETE 保持记忆库干净精通:能手写 mini 版(实战项目就是)向量检索语义变几何;BM25 补精确匹配的盲区;小块匹

主题一句话本质掌握标准记忆与状态API 无状态,记忆全靠工程精通:能说清短期/长期记忆的分界和各自解法MemGPT上下文=RAM,外存=磁盘,模型自己换页理解思想;知道 Anthropic Memory Tool 是它的产品化mem0提取事实而非存原文,ADD/UPDATE/DELETE 保持记忆库干净精通:能手写 mini 版(实战项目就是)向量检索语义变几何;BM25 补精确匹配的盲区;小块匹

概念本质你该掌握到什么程度CoT把推理摊开成步骤理解原理;知道新模型用替代手写 CoTToT推理变树搜索:生成→评估→回溯能手写"生成N个方案→评估→选优";知道生产中常退化为 Best-of-N 和 Critic 模式ReAct想↔做交替循环精通——它就是你的 05_agent_loop.py;能讲清 prompt 解析(旧)vs 原生 tool use(新)的演进多智能体多个独立上下文的 Ag

按句子智能切分# Markdown 按标题结构切分（更聪明）你的 Java 项目LlamaIndexpgvectortopK: 4Node 的 metadataRAG 来源标注你 Java 项目里手写的 RAG 逻辑,LlamaIndex 全部封装好了,而且多了重排、混合检索、多索引路由这些你项目还没有的进阶能力。

AutoGen = 一个让多个 AI Agent通过对话协同工作的 Python 框架查天气、搜索网页、执行代码调用 API、读写文件、操作数据库没有工具的 Agent 只能"说"，有了工具才能"做"。# 定义工具函数"""查询指定城市的天气信息。"""# 这里用模拟数据，实际可调用真实 API"北京": "晴天，25°C","上海": "多云，22°C","广州": "阵雨，28°C",retu

AutoGen = 一个让多个 AI Agent通过对话协同工作的 Python 框架查天气、搜索网页、执行代码调用 API、读写文件、操作数据库没有工具的 Agent 只能"说"，有了工具才能"做"。# 定义工具函数"""查询指定城市的天气信息。"""# 这里用模拟数据，实际可调用真实 API"北京": "晴天，25°C","上海": "多云，22°C","广州": "阵雨，28°C",retu