通过 thin adapter 模式，我们成功将 Pi agent 接入 HagiCode 系统，使其成为与其他 Agent CLI 一等的工作流入口。避免了重复实现，复用了 libs 层已有的PiProvider与现有 provider 保持一致的接入方式，降低了维护成本实现了从用户配置到执行监控的完整链路HagiCode 的这次实践证明，thin adapter 模式是集成 AI 能力提供商的

Spring AI 与 Solon AI 都是面向 Java 开发者的 AI 应用开发框架，旨在简化大语言模型（LLM）在企业级应用中的集成与开发。统一模型接口：两者都提供了统一的 LLM 调用接口，屏蔽底层不同模型供应商（OpenAI、Anthropic、Google、Ollama 等）的 API 差异，实现"一份代码，跨模型运行"完整的 RAG 链路：均支持从文档加载、切分、向量化、存储到检索

使用 AI，相信大部分人都会，毕竟是每天都在用的工具。但要把它融入开发，就我目前的进度，大概需要学习如下内容。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

扫 CLAUDE.md、settings.json、MCP 配置、hooks、agent 定义，5 大类：密钥检测（14 种模式）、权限审计、钩子注入分析、MCP 服务风险评估、agent 配置审查。原意是马具，引申到 AI 语境，就是"套在 agent 外面的那一整套基础设施"——skill、agent、hook、rule、memory、tool surface、verification loo