当你执行dsh web时，CLI 读取 Web Profile，把基础 Bundle、Web Bundle 和个人 Patch 合并成插件清单。Cordis 根据依赖挂载这些插件，得到模型、工具、Session、Agent 和 Web 服务。浏览器把用户消息发给后端，Agent Loop 开启一个 Turn，把系统提示词、工具说明和 Session 历史整理后请求 LLM。模型可以直接回答，也可以

Skill 是 Claude Code 的能力扩展模块。每个 Skill 是一份 Markdown 格式的指令文件（SKILL.md），告诉 Claude 在特定场景下应该怎么干活。给 AI 助手装一个 "专业技能包"—— 没装之前它也能干，装了之后它按最佳实践来干。Skill 基于开放的Agent Skills 标准（agentskills.io），同一份 Skill 文件可以在 Claude

/ Spring AI 方式 —— 用 @Tool 注解@Tool(description = "搜索指定股票的最新价格")public StockPrice getStockPrice(@ToolParam(description = "股票代码") String symbol) {​// LangChain4j 方式 —— 用 @Tool 注解@Tool("查询订单状态")

tools.py@tool"""执行数学表达式计算。支持 + - * / sqrt 等。"""try:return f"计算结果: {result}"return f"计算出错: {e}"@tool"""获取当前日期和时间。"""return f"当前时间: {datetime.now().strftime(format_str)}"@tool"""统计文本的字数、字符数、行数。"""

为什么用 Kafka：解耦、削峰、异步，系统之间通过消息通信而不是直接调用五大核心概念Docker 部署：4 节点 KRaft 集群，不用 ZooKeeperSpring Boot 集成：生产者用，消费者用字符串 vs 文件：区别在于序列化器（StringSerializer vs ByteArraySerializer），其余一模一样Kafka 学起来最难的其实就是前半个小时的概念理解。一旦跑通

Flink 的定位：不是替代 Kafka，而是和 Kafka 配合——Kafka 负责传数据，Flink 负责算数据三板斧模式：Source 拉数据 → Transform 处理 → Sink 写结果，所有 Flink Job 都是这个套路算子必须 public static：因为 Flink 要序列化它们发到各台机器执行Spring Boot 集成会阻塞，必须在独立守护线程里运行版本兼容。

你第一次把前端（）连上后台（或其他域名），浏览器控制台大概率会出现这个报错：浏览器就像一个很严格的门卫。你的前端页面运行在 A 域名（比如），你想去 B 域名（比如）拿数据。浏览器觉得："你一个在 A 地盘的人，凭什么去 B 地盘拿东西？万一是恶意攻击呢？" 于是它把你的请求拦了下来。一句话：跨域不是"你不能发请求"，而是"浏览器收到了后台返回的数据，但拒绝把数据交给你的前端代码"。实际上，请求已

一句话定义：AI Agent（智能体）是一个能自主感知环境、做出决策、执行行动来完成目标的 AI 系统。普通 ChatBotAI Agent交互方式一问一答，被动响应自主规划，主动执行能力边界只生成文本调用工具、操作外部系统记忆单次对话上下文短期 + 长期记忆任务复杂度单步任务多步推理、拆解、执行核心公式Agent = LLM + 规划能力 + 工具使用 + 记忆系统这四块拼图会在第三章逐一展开。

先体验→ 按上面的教程装 GitHub MCP 插件，10 分钟搞定，感受 MCP 能做什么再扩展→ 在项目里写.mcp.json，配跟你工作直接相关的服务（前端配 Playwright，后端配 Postgres）进阶→ 自己开发 MCP 服务器，封装团队特有的工具。不难，一小时能搞出原型。

先体验→ 按上面的教程装 GitHub MCP 插件，10 分钟搞定，感受 MCP 能做什么再扩展→ 在项目里写.mcp.json，配跟你工作直接相关的服务（前端配 Playwright，后端配 Postgres）进阶→ 自己开发 MCP 服务器，封装团队特有的工具。不难，一小时能搞出原型。