这是一篇面向 Agent 开发者的 Transformer 入门长文。它不从公式堆起，而是从一次真实的大模型调用开始，逐层拆开：文本怎样变成 Token，Token 怎样互相“看见”，Decoder 为什么适合生成，Encoder 为什么适合检索，以及 RAG + Agent 为什么需要它们配合。如果你已经会调用大模型接口，但总觉得 LLM 里面像一团雾，这篇文章的目标就是把雾拨开一点。

这篇文章介绍了一个名为niuge-skills的开源AI Agent技能合集，旨在解决AI在工程项目中过度自由发挥的问题。作者将常用的工程规范、工作流程和模板沉淀为可复用的Skill，使AI输出更加稳定和规范。 核心功能包括： fe-codegen-workbench前端代码生成工作台，支持React/Vue技术栈，内置16种模板和严格的生成规范（如禁止mock数据、禁止过度设计） context

AI 编程范式演进全景图 本文系统梳理了AI编程领域涌现的9大方法论，揭示其背后的工程逻辑： 核心转变：从"如何写代码"到"如何组织需求、上下文与验证闭环" 方法论分层： 探索层：Vibe Coding（快速原型） 规格层：SDD/OpenSpec/Spec Kit（结构化需求） 执行层：TDD/Claude Team/superpowers（协作流程） 环

你输入给 AI 的那句话，是一切的起点。

AI 编程范式演进全景图 本文系统梳理了AI编程领域涌现的9大方法论，揭示其背后的工程逻辑： 核心转变：从"如何写代码"到"如何组织需求、上下文与验证闭环" 方法论分层： 探索层：Vibe Coding（快速原型） 规格层：SDD/OpenSpec/Spec Kit（结构化需求） 执行层：TDD/Claude Team/superpowers（协作流程） 环

你输入给 AI 的那句话，是一切的起点。