类别常用 SourcesHTTP 协议splunk_hec指标协议statsd消息队列kafkaamqpaws_sqsgcp_pubsub文件 / 流filestdinjournald云服务azure_blob网络协议syslog（UDP/TCP）、socketVector 内部vector（接收来自其他 Vector 实例的数据）这意味着，无论上游应用使用什么日志输出方式，Vector 几乎都能

不要让模型死记硬背，而是让它"现场查资料"！类比对比类型比喻特点传统LLM闭卷考试只能依赖记忆，可能忘、可能错RAG开卷考试可以查资料，答案有据可查对比传统LLMRAG增强LLM知识来源模型参数外部知识库更新方式重新训练更新数据库答案可信度可能幻觉有据可查适用场景通用知识专业/实时知识。

似于硬盘文件系统的碎片化——明明总空闲空间很大，但因为没有连续的大块空间，无法存储大文件。

实操上有个细节要注意：REVIEW.md 的内容越短越好。我第一版写了 500 字，后来压到 200 字，效果反而更好。因为 Claude 在处理长指令时会稀释注意力，精简的指令执行更一致。这和 CLAUDE.md 的最佳实践是一样的道理。

otion 里准备一个测试页，把 Playwright Java 的两篇官方文档链接交给 Codex，让它整理成入门笔记，再返回写回后的页面链接。这个流程跑通以后，Notion 插件就不只是“能搜资料”。它可以把一组公开链接整理成学习笔记、工具卡片和下一步行动，后面还能继续使用。至于 MCP，也就是 Model Context Protocol，可以理解成 AI 工具连接外部系统的一套通道。使用

似于硬盘文件系统的碎片化——明明总空闲空间很大，但因为没有连续的大块空间，无法存储大文件。

学习这些内容需要扎实的编程基础。就拿 Skill 来说，你必须熟悉 Python，否则连环境都配不好；用 MCP，你需要懂网络通信、至少得有一台云服务器，还得会点 Linux 运维；用 RAG，更少不了数据结构、数据库（如 PostgreSQL）和 Docker 容器化部署的知识。ai全栈的门槛很高，当然，使用Agent可以完成你的目标。但是这完全没有意义。Agent又不可能替你坐牢，出事之后自负