框中，直接填入你的工程基线信息。这会让这个 Project 下的每一次对话都自动带上这些背景。

在 Claude Code 中，可以说是高阶玩家最常使用的“杀手级”功能。在默认模式下，Claude 像一个急躁的初级程序员，听到需求就立刻开始改代码；而在下，Claude 会化身为一位。它会被限制为（不能修改代码、不能运行危险命令、不能提交 Git/SVN），只负责阅读代码、理清逻辑、向你提问确认细节，并最终输出一份结构化的“实施计划”。

在长周期、高复杂度的代码开发中，处理不断膨胀的上下文是 AI 编程助手的核心难题。Claude Code 之所以能胜任复杂的工程任务，正是因为它在**会话连续性（Session Continuity）战略压缩（Strategic Compression）**上有着一套专门的设计机制。对于你手头的 工程来说，理解并利用好这些机制，能极大地避免它在多轮代码 Review 中“断片”或因为 Token

这是微软开源的一个提示词压缩框架。它使用一个小巧的语言模型（如 LLaMA-small 或 ALBERT）来识别 Prompt 中哪些词是不重要的，然后将其剔除。

PDF 确实是命令行 AI 助手的“天敌”。Claude Code 作为一个终端 Agent，主要是通过读取纯文本来理解上下文的。如果直接让它去读取一个 PDF 文件，它只会读到一堆无法解析的二进制乱码。为了让 Claude Code 能够完美理解你的设计文档，.md。大模型对 Markdown 的层级结构（标题、列表、代码块）理解极其精准。

利用AI Agent自动分析Linux BSP（Board Support Package）驱动和内核日志，是当前嵌入式开发和系统调优领域非常前沿且高回报的尝试。传统的内核调试（如排查 Kernel Panic、Oops、内存泄漏）高度依赖资深工程师的经验，而引入Agent可以通过**“大模型推理 + 检索增强（RAG） + 外部工具调用”**大幅缩短排障路径。

本方案旨在利用 LangChain 生态系统，构建一个专门针对 Ascend 310B 等嵌入式系统复杂故障的自动化诊断框架。核心目标是解决海量日志处理慢、大模型对底层硬件知识匮乏以及诊断逻辑不严谨的问题。针对嵌入式系统产生的数 GB 压缩日志包（如串口日志、Kernel Core Log），不再进行全量解压。构建的 Chroma 向量库，为 Agent 提供源码级上下文。Sentinel-Emb

利用AI Agent自动分析Linux BSP（Board Support Package）驱动和内核日志，是当前嵌入式开发和系统调优领域非常前沿且高回报的尝试。传统的内核调试（如排查 Kernel Panic、Oops、内存泄漏）高度依赖资深工程师的经验，而引入Agent可以通过**“大模型推理 + 检索增强（RAG） + 外部工具调用”**大幅缩短排障路径。

汇总了关于驱动在内核环境下的深度分析，专门针对车载 DVR/NVR 场景中不同 HDD/SSD 的稳定性诊断与问题定位。

框中，直接填入你的工程基线信息。这会让这个 Project 下的每一次对话都自动带上这些背景。