组织知识库 RAG指：用户用自然语言提问（如「最近周报对 PB 粉港口库存怎么看？」），由LLM 驱动的 Agent识别这是需要引用内部文档、政策原文、周报观点的非结构化问题；调用 search_knowledge_base做向量检索；从 Milvus（或内存降级存储）取回相关文本片段；综合片段内容生成带标题、来源、doc_type的自然语言回答。用户问句 → Embedding 向量化 → Mi

智能问数指：用户用自然语言提问（如「青岛港 PB 粉最新库存和环比多少？」），由LLM 驱动的 Agent识别这是需要具体数字、聚合、排名的结构化问题；查看数据库 schema；生成并执行只读 SQL；把查询结果转成带口径说明的自然语言回答。LLM 写 SQL → 服务端 sqlglot 校验 → MySQL 只读执行 → LLM 解读结果。全程不使用向量 / Embedding。

在写 Agent 行为（改 prompt、加工具）之前，先写一句可观测验收标准用户问「帮我查普氏 62 近期走势」时，Trace 中应出现：- 1 次 ChatDeepSeek GENERATION- 0 或 1 次行情相关 Tool Span（视工具设计）- Output 不含「我是通用 AI 助手」类违禁自称开发完成后，在 Cloud 搜对照清单打勾——比纯人工点 UI 测更快、可重复。

在写 Agent 行为（改 prompt、加工具）之前，先写一句可观测验收标准用户问「帮我查普氏 62 近期走势」时，Trace 中应出现：- 1 次 ChatDeepSeek GENERATION- 0 或 1 次行情相关 Tool Span（视工具设计）- Output 不含「我是通用 AI 助手」类违禁自称开发完成后，在 Cloud 搜对照清单打勾——比纯人工点 UI 测更快、可重复。

Compound Engineering 把 AI 编程从「一次性对话」升级为可检索、可复用、可验收层次代表命令复利价值环境/ce-setup工具与配置一次就绪决策需求与方案可追溯交付/ce-work+ pytest可运行代码体验真实浏览器路径验证记忆下次同类问题更快的测试表并非来自单一配置文件，而是Git 变更 + Skill 路由映射 + plan 成功标准 + 静态页/路由实现共同推导；Ag

在当前项目根目录生成.cursorrules，根据最新的阿里Java开发规范去更新.cursorrulrs，.cursorrules 规范中类的注释，作者用git的用户名，时间为当前时间，.cursorrules 中新增按照最新的阿里规范，对目录结构层次及目录命名，文件命名进行约束，.cursorrules 中新增按照最新的阿里规范，对目录结构层次及目录命名，文件命名进行约束,.cursorrul

"""根据城市名称查询当前实时天气。Args:city: 城市名称，支持中文或英文，例如「北京」「上海」「Tokyo」。Returns:一段中文天气描述（含天气状况、气温、湿度、风速）。"""# 1) 地理编码：城市名 → 经纬度return f"未找到城市「{city}」，请确认名称是否正确。# 2) 查询该坐标的当前天气params={},desc = _WEATHER_CODE.get(co

"""根据城市名称查询当前实时天气。Args:city: 城市名称，支持中文或英文，例如「北京」「上海」「Tokyo」。Returns:一段中文天气描述（含天气状况、气温、湿度、风速）。"""# 1) 地理编码：城市名 → 经纬度return f"未找到城市「{city}」，请确认名称是否正确。# 2) 查询该坐标的当前天气params={},desc = _WEATHER_CODE.get(co

"AI.chatLanguage": "简体中文",// 运行Java程序时的编码设置。

表观数据一般指：从公开统计与业务系统中直接观测到的、已汇总或已发布的量化指标，强调「表上能直接看到」，常与「隐含供需」「模型反推」等相对。示例原油库存、产量、炼厂开工、成品油表观消费量（视统计口径定义）；海关或协会发布的进出口量、产量；交易所或指数公司发布的现货/期货价格、价差。表观数据质量依赖发布节奏与修订，建模时要注意修订、滞后与变频对齐。在价格预测语境下，因子分析结果通常指：围绕目标品种（如