- @Markland_l
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
如果只把 Claude Code 理解成“一个很强的写代码模型”，其实会错过它最有意思的部分。它真正特别的地方，不是会不会补全代码，也不是能不能读文件、改文件、跑命令，而是它把一套面向编码任务的执行系统做成了产品能力。它会理解目标、装配上下文、选择动作、调用工具、处理失败、暴露进度、校验结果，还会在高风险动作前停下来，把边界重新交还给人。从这个角度看，Claude Code 更像一套已经成型的 H
如果只把 Claude Code 理解成“一个很强的写代码模型”，其实会错过它最有意思的部分。它真正特别的地方，不是会不会补全代码，也不是能不能读文件、改文件、跑命令，而是它把一套面向编码任务的执行系统做成了产品能力。它会理解目标、装配上下文、选择动作、调用工具、处理失败、暴露进度、校验结果，还会在高风险动作前停下来，把边界重新交还给人。从这个角度看，Claude Code 更像一套已经成型的 H
能把语言理解、规划、工具调用和行动执行组织成完整流程适合长流程、多步骤、需要持续反馈的任务适合通过角色分工处理复杂任务能把内部知识与外部环境信息结合起来在科研、开发、教育、模拟和具身任务中具备较强扩展性AI 智能体的发展已经可以看作一条相当清晰的主线：从语言模型的推理能力出发，逐步接入行动、环境、工具、记忆和协作机制，最终走向更完整的自主系统。这个过程中，ReAct一类方法说明了为什么推理和行动必
能把语言理解、规划、工具调用和行动执行组织成完整流程适合长流程、多步骤、需要持续反馈的任务适合通过角色分工处理复杂任务能把内部知识与外部环境信息结合起来在科研、开发、教育、模拟和具身任务中具备较强扩展性AI 智能体的发展已经可以看作一条相当清晰的主线：从语言模型的推理能力出发，逐步接入行动、环境、工具、记忆和协作机制，最终走向更完整的自主系统。这个过程中，ReAct一类方法说明了为什么推理和行动必
智能客服 RAG 的落地，表面上看是在建设“知识库 + 大模型”的能力组合，实质上更接近一套完整的知识服务系统。决定最终效果的，通常不是某个单点模型名称，而是以下链路是否足够扎实：数据接入 -> 文档处理 -> 元数据治理 -> 混合召回 -> 重排 -> 引用生成 -> 权限过滤 -> 多轮改写 -> 工具执行 -> 转人工 -> 反馈闭环将系统理解为一个会查资料的聊天框将所有效果问题归结为模型
产品核心思想DifyCoze飞书ObsidianRAG→ GraphRAG真正优秀的知识库系统，不仅需要向量检索能力，更需要知识治理、权限控制、工作流编排、长期记忆以及知识图谱等能力的协同支撑。如果再往前看一步，企业知识库最终拼的也许不是“谁接了更多模型”，而是“谁能把组织知识以最低成本、最高可信度、最可治理的方式持续运转起来”。
