用户级：用户对应的.claude内配置C:\Users\ww\.claude\settings.json。C:\Users\ww\.claude\projects\项目名d\memory\。会话级：在当前文件夹下的.claude下配置 settings.json。项目记忆会以md文件存在.cluade 项目名内的memory文件夹内。命令行参数->会话级的配置->用户级配置->系统级配置。ccsw

用户级：用户对应的.claude内配置C:\Users\ww\.claude\settings.json。C:\Users\ww\.claude\projects\项目名d\memory\。会话级：在当前文件夹下的.claude下配置 settings.json。项目记忆会以md文件存在.cluade 项目名内的memory文件夹内。命令行参数->会话级的配置->用户级配置->系统级配置。ccsw

powerShell。

Claude Code默认会访问Claude官方模型，但国内被禁了，需要在配置文件 ~/.claude.json 的顶层添加。2.通过npm install -g @anthropic-ai/claude-code安装。3.执行claude，这时候会报错，但必须的文件和路径都生成了。Claude 在每次会话开始时都会自动读取这个文件，6.对于已有项目，使用 /init 命令初始化。4.编辑~/.c

题记：这里讲的是写文章的思路，借用到写代码，设计方案也是同样的思路。

--model ${MODEL_NAME:-Qwen/Qwen2.5-7B-Instruct}# 通过环境变量指定模型。├── model.gguf# 【必需】模型权重文件，也可能叫 pytorch_model.bin。docker pull 拉取的话只能拉有模型权重文件的镜像，不带运行环境（镜像不允许同时有模型文件和环境）├── config.json# 【必需】模型的核心配置文件（如层数、注意

题记：这里讲的是写文章的思路，借用到写代码，设计方案也是同样的思路。

明确要求，加入约束，提供示例，这是最直接有效的方法，如下你是一个数据提取助手，必须严格按照以下 JSON Schema 输出，不要输出任何其他文字、解释或Markdown标记。Schema:"name": "string, 人名","age": "number, 年龄","city": "string, 所在城市"示例输出：{"name": "张三", "age": 28, "city": "北京

--model ${MODEL_NAME:-Qwen/Qwen2.5-7B-Instruct}# 通过环境变量指定模型。├── model.gguf# 【必需】模型权重文件，也可能叫 pytorch_model.bin。docker pull 拉取的话只能拉有模型权重文件的镜像，不带运行环境（镜像不允许同时有模型文件和环境）├── config.json# 【必需】模型的核心配置文件（如层数、注意

这套组合方案的本质是多粒度表征与结构化处理父子分块：解耦了检索单元与生成单元，让“找”和“读”使用不同粒度的信息。重叠滑动窗口：在切分层面做补偿，确保信息在离散化过程中不丢失连续性。保留文档结构元数据：在语义理解层面提供方位感，让大模型像人类看文档目录一样理解内容。