本文介绍了如何通过分层控制机制安全高效地使用Claude Code AI助手。主要内容包括： 认知转变：Prompt不是命令而是请求，需要建立可靠约束机制 三层控制架构： 上下文工程（CLAUDE.md/Rules）：通过项目级文档管理AI注意力 Skills：将复杂流程打包为可复用的标准化操作模板 Hooks：代码级拦截危险操作的终极安全防线 实现方法： 通过分层Markdown文件定义规则 使

这份笔记覆盖了从模型名称解读到量化与蒸馏辨析显存估算KV Cache 原理推理引擎选择（含 TensorRT-LLM 的特殊性），最后新增了vLLM 并发与模型大小的内在关系，形成了一个完整的闭环。无论你是个人开发者还是团队部署，都可以按图索骥，快速定位问题并优化配置。如有未尽之处，欢迎随时补充完善！

本文整理了MySQL数据库常用操作命令，分为八个主要部分：1)数据库操作（创建/删除/切换）；2)数据表操作（创建/修改/清空）；3)CRUD操作（增删改查）；4)备份恢复（mysqldump使用）；5)用户权限管理；6)高级查询（分组/联表/子查询）；7)索引管理；8)性能监控。包含数据库基础管理、表结构维护、数据操作、备份恢复等核心功能命令，特别提醒生产环境操作前需备份，推荐使用utf8mb4

本文介绍了使用Docker Compose部署后端项目的完整流程，重点区分开发与生产环境配置。主要内容包括： 环境区分： 开发环境使用docker-compose.yml，含build指令实时构建 生产环境使用docker-compose.image.yml，只引用预构建的镜像 部署准备： 确保项目目录名称唯一 清理本地非必要文件 首次完整部署： 本地构建所有服务镜像并验证 导出镜像包并上传服务器

摘要： Trellis是一款开源脚手架工具，旨在规范AI编程流程，确保代码符合项目标准。本文介绍了从安装到使用的完整指南： 安装：需Node.js环境，通过npm全局安装Trellis，初始化项目并配置AI工具（如Cursor）。 核心功能： /trellis-brainstorm生成需求文档； /trellis-before-dev确保代码风格统一； /trellis-check自动检查代码质量

本文系统介绍了Agent的核心概念与实现机制。第一部分明确定义了Agent（智能体）、Skill（技能）、Tool（工具）和MCP（模型上下文协议）四个关键术语，阐述了它们协同工作的公式。第二部分深入解析了Function Calling的底层原理，指出其本质是LLM的结构化响应能力，并通过代码示例展示了完整调用流程。文章还揭示了LangChain如何通过模型适配器统一不同AI模型的工具调用差异，

本文探讨如何让AI更深入理解项目背景和个人意图，介绍了Harness（控制层）与Agent框架的区别。对比了Trellis、ECC等主流Harness的特性，重点分析了五种信息注入方式（系统提示词、Skill、工具、记忆、Hook）。作者通过实测发现ECC的"本能学习系统"最接近"越用越懂"目标，但多Harness并行会导致token成本上升且效果提升有限。建议根据项目需求选择单一Harness即

本文探讨如何让AI更深入理解项目背景和个人意图，介绍了Harness（控制层）与Agent框架的区别。对比了Trellis、ECC等主流Harness的特性，重点分析了五种信息注入方式（系统提示词、Skill、工具、记忆、Hook）。作者通过实测发现ECC的"本能学习系统"最接近"越用越懂"目标，但多Harness并行会导致token成本上升且效果提升有限。建议根据项目需求选择单一Harness即

本文介绍了使用Docker Compose部署后端项目的完整流程，重点区分开发与生产环境配置。主要内容包括： 环境区分： 开发环境使用docker-compose.yml，含build指令实时构建 生产环境使用docker-compose.image.yml，只引用预构建的镜像 部署准备： 确保项目目录名称唯一 清理本地非必要文件 首次完整部署： 本地构建所有服务镜像并验证 导出镜像包并上传服务器

本文系统介绍了Agent的核心概念与实现机制。第一部分明确定义了Agent（智能体）、Skill（技能）、Tool（工具）和MCP（模型上下文协议）四个关键术语，阐述了它们协同工作的公式。第二部分深入解析了Function Calling的底层原理，指出其本质是LLM的结构化响应能力，并通过代码示例展示了完整调用流程。文章还揭示了LangChain如何通过模型适配器统一不同AI模型的工具调用差异，