Prompt caching 是前缀匹配。前缀里任何一处改动都会让后面全部失效。把整个系统围绕这个约束来设计，顺序对了，大部分缓存就是"免费"的。用消息更新，而不是改 prompt。日期变化、模式切换、状态更新——全部走消息流，别去碰系统提示词。不要中途换模型或工具。把状态变化(比如 Plan Mode)建模成"工具调用"，而不是"工具集变更"。需要"隐藏"工具时用 defer_loading 而

Prompt caching 是前缀匹配。前缀里任何一处改动都会让后面全部失效。把整个系统围绕这个约束来设计，顺序对了，大部分缓存就是"免费"的。用消息更新，而不是改 prompt。日期变化、模式切换、状态更新——全部走消息流，别去碰系统提示词。不要中途换模型或工具。把状态变化(比如 Plan Mode)建模成"工具调用"，而不是"工具集变更"。需要"隐藏"工具时用 defer_loading 而

像带教导师一样，用「先全局后局部、先业务后代码、先主干后分支」的策略，帮新入职实习生在 1-2 周内系统掌握复杂架构项目。实习生面对复杂项目的核心困境不是"看不懂语法"，而是"不知道从哪看起"和"看了局部但拼不出全貌"。本 Skill 采用。

MCP 起源于 2024 年 11 月 25 日 Anthropic 发布的文章: Introducing the Model Context Protocol。MCP (Model Context Protocol，模型上下文协议) 定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让

向量就是一组数字，比如[0.8，0.2，-0.5]就是一个三维向量（三个数字，所以是三维)—在三维空间里，这个点的位置就是 (0.8， 0.2，-0.5)低维的向量（1到3维）我们可以在坐标轴上画出来，但实际使用中，Embedding模型生成的向量维度非常高，可能有几百甚至上千维。虽然我们没法想象一个1000维的空间长什么样，但 维度越高，能表达的信息就越丰富，对文本特征的刻画就越细腻。意思相近的

推理 + 行动它的核心思想是：Agent 一边思考，一边行动，根据工具返回的结果继续思考。你可以把 ReAct 理解成一个人解决问题的过程。比如用户问：今天北京天气怎么样？适合穿什么？思考：用户想知道北京天气和穿衣建议行动：调用天气查询工具观察：天气工具返回，北京 12℃，多云，有风思考：天气偏凉，需要穿外套回答：今天北京多云，温度较低，建议穿外套思考 → 调用工具 → 观察结果 → 再思考 →

Prompt 是 Agent 的控制面板在 Agent 开发中，你能控制大模型行为的核心手段只有一个：Prompt。System Prompt 定义了 Agent 的"身份和边界"，它是谁、能做什么、不能做什么、必须以什么格式输出User Prompt 和注入的内容是 Agent 的"任务输入"，每次要处理的具体数据、具体问题Function Calling：本质是让大模型按精确格式输出"工具调用

Prompt 是 Agent 的控制面板在 Agent 开发中，你能控制大模型行为的核心手段只有一个：Prompt。System Prompt 定义了 Agent 的"身份和边界"，它是谁、能做什么、不能做什么、必须以什么格式输出User Prompt 和注入的内容是 Agent 的"任务输入"，每次要处理的具体数据、具体问题Function Calling：本质是让大模型按精确格式输出"工具调用