预训练：学习语言基础知识（无监督）。监督微调：学习特定任务的问答能力（有监督）。奖励建模：构建评判生成质量的评分系统。强化学习：在评分系统指导下持续优化。神经网络：通过加权求和 + 激活函数实现信号传递。参数：存储训练后的知识和经验。

max-age 指定了缓存的最大存储时间（以秒为单位），超过这个时间后缓存被认为是陈旧的*。stale-while-revalidate 指定了在缓存过期后，客户端愿意接受陈旧响应的时间长度。可以借助 useFetch 和 服务端请求来完成，在服务端解析 cookie，作为响应返回。在 CDN 边缘服务器上完成渲染流程，不是一种渲染方案，而是部署目标，支持使用混合渲染。可以用于仅客户端的请求，比如

Waiting for server【TTFB】：等待服务器响应，通常如果这里耗时过长，可能是代理层或者服务端处理问题，需要运维去协助排查服务器网络问题和 kafka 队列消费是否异常，入库是否异常，或者服务端代码能否优化，是否有阻塞任务的问题。Content Download：这块通常是指请求响应下载耗时，如果这块耗时过高，需要检查用户网络是否存在问题，或者优化我们的响应数据内容（gzip，精简

将过去拆解的流程和资源集成到统一的规范技能中通过按需加载形式解决上下文污染和上下文过长的问题提供标准规范，将专业领域内容抽象为单一的技能流程使执行流程变得可预测，符合我们日常开发的输入输出需求。

指定 Job 只在带对应标签的 Runner 上执行，实现精确调度，将资源密集型任务（如镜像构建、大体积编译）放到专用 Runner，避免与共享 Runner 上的其他任务争抢资源。将同一 Job 按维度拆成多个子 Job 并行运行，常用于测试（如 unit、integration、e2e）或多环境组合，从而缩短总构建时间。对重复出现的配置（如相同构建命令、cache、artifacts），可抽成

将过去拆解的流程和资源集成到统一的规范技能中通过按需加载形式解决上下文污染和上下文过长的问题提供标准规范，将专业领域内容抽象为单一的技能流程使执行流程变得可预测，符合我们日常开发的输入输出需求。

cursor 支持自己编写命令内置指令默认 cursor 只内置了Summarize指令内容这个指令是让 Agent 整理上下文的内置命令，如果上下文过长时，Agent 理解能力会下降，所以 Cursor 内置Summarize来解决问题自定义指令我们也可以将自己日常过程中可规范/重复的步骤编写成指令，减少每次对话时需要编写的 prompt指令基于 Markdown 存储在目录下同时可以结合前置规

默认 SubAgent 只能启动 Claude 内置工具功能，如果需要自己编写 SubAgent，可以在目录下编写基于 Markdown 的 SubAgent 任务内容包括 Markdown Header 和 Markdown Contentname：SubAgent 在 CLI 中显示的名称。：描述信息，方便 Claude 定位工具用途。tools：支持调用 Claude 内置工具。model：

发布前检查：确保配置正确、构建产物完整、包名可用发布流程：登录账号 → 执行发布命令 → 首次 scoped package 需要异常回退：优先使用 dist-tag 回退，避免删除已发布的版本2FA 认证：使用 Access Token 解决 2FA 认证问题，要注意 Token 安全自动化发布：通过 Git Tag、semantic-release 或手动 workflow 实现自动化发布流程

用户输入问题，AI 结合知识库内容和相关知识，生成准确、真实、具有时效性的回答结果。优点存在问题使模型在某些领域专业化，适合用于专业领域研究。使小模型在专业领域也能发挥作用，减少硬件开销成本。让模型具备调用外部 API 的能力，扩展 AI 的实际操作范围。常见能力AI 调用时，会把数据转成 JSON 格式发送。被调用的工具包含的核心参数内容：工具定义示例：AI 调用示例：Token 消耗使用工具会