企业建设大模型技能中心是企业**将大模型的通用智能转化为自身可控、可管、可复用的核心竞争力的战略选择**。本文给出了大模型技能中心的建设的框架，以及核心模块“注册和分发“模块的实现概要。

简介： 大模型编程过程中常见的问题：1. 错误假设、隐藏困惑、缺少权衡；2.过度复杂、臃肿抽象；3. 无关编辑、触碰不应碰的代码； 4. 未验证就说已经完成了。通过四个原则： 1. 编码前思考；2. 简单至上；3. 精准的手术式修改；4. 目标驱动执行，我们可以避免这些问题。

介绍了google 关于Skill 的五种设计模式。

简介： 大模型编程过程中常见的问题：1. 错误假设、隐藏困惑、缺少权衡；2.过度复杂、臃肿抽象；3. 无关编辑、触碰不应碰的代码； 4. 未验证就说已经完成了。通过四个原则： 1. 编码前思考；2. 简单至上；3. 精准的手术式修改；4. 目标驱动执行，我们可以避免这些问题。

相较于Python等其他语言，Java在AI Agent开发领域的优势并非体现在算法创新的前沿性，而是扎根于工程化、稳健性与企业级落地的深厚积淀。如果说Python是快速验证创意的“尖刀”，那么Java就是构建高可用、可商用系统的“基石”。

Claude Code 的提示词体系呈现出 **高度工程化** 的特征：通过明确的角色分工（10 个作用域）、强约束的指令风格（12 个语法特点）以及丰富的示例与反例，有效地引导大语言模型在复杂软件工程任务中表现出稳定、安全、高效的行为。这些特点的设计思路（如并行效率建议、强制输出格式、安全限制声明）对于构建生产级的 AI Agent 提示词具有直接的借鉴意义。

大模型 Agent 的记忆系统中，哪些应该存储，哪些不应该存储？本文详细分析了 Claude Code 记忆系统的设计和实现，从记忆的四个类型（用户记忆、反馈记忆、项目记忆、参考记忆）、记忆冲突、记忆压缩等角度中寻找记忆的存储规则，最后总结出了记忆存储的设计的十大核心原则。

根据从 Claude Code 源码中提示词的内容，总结了8条提示词编写的规范。从提示词编写视角看，从“宏观框架”到“微观执行”、再到“结果校验”的自然顺序线： **内在顺序线**：先定组织提示词结构 → 再定整体指令框架 → 设定素材使用边界 → 规范输出表达方式 → 约束行为范围 → 明确工具调用规则 → 设置敏感操作权限 → 最后要求输出前自检。

目前的 AI 编程助手通常只有“短期记忆”，一旦关闭当前的对话窗口，之前的项目背景、架构约定等上下文就会丢失。本文介绍了 Claude-mem 在 Claude code 流程中关键节点使用钩子的设计方法，完成不修改Claude code 的源码，实现持久化长期记忆。这个方法为我们在设计其他 Agent 框架增加记忆提供了有益的借鉴。

AI Agent 时代软件工程有氛围编程、Harness 工程新范式，核心是为 AI 智能体搭建约束、工具等闭环系统，摆脱仅靠提示词驱动的模式。工程师角色从代码实现者转为环境设计师与意图规范者，需让 AI 理解设计思想。而 AI+markdown+mermaid + 浏览器插件 Markdown_viewer，成为该时代架构师的高效利器。