**流式传输（Streaming）**是一种数据传输方式，数据以连续流的形式逐步发送和接收，而不是一次性传输全部数据。

system是幕后导演，user是台下观众，assistant是台上演员。区分他们，就是让 AI知道谁在说啥、该听谁的、该扮演谁。没有 system，演员没剧本；不分 user/assistant，演员会串戏。

本文深入解析了LangChain框架中Runnable链式调用的核心机制，重点剖析了itemgetter、管道符|和RunnableLambda的用法与设计原理。主要内容包括： itemgetter作为Python标准库的数据提取工具，本质是可调用对象，用于从字典/列表中提取值 管道符|通过运算符重载实现链式编排，LangChain采用"左包右不包"策略：左边自动包装为Runn

摘要： 大模型调用方式中，流式输出（边生成边返回）适合用户交互场景，降低等待焦虑；批量调用（打包并行处理）适合后台任务，提升效率。两者各有优劣：流式输出首字延迟低但后端复杂，批量调用吞吐量高但需统一输入格式。实际应用中，聊天机器人、长文本生成推荐流式输出；文档批量处理、数据标注推荐批量调用。两者也可组合使用，兼顾体验与效率。选择时需根据场景需求权衡，而非技术本身。

`.assign()` 和 `RunnableParallel` 是"友好"的 API，看到函数会自动帮你包成 `RunnableLambda`；但管道运算符 `\|` 是"严格"的，只接受 Runnable 对象，不会自动转换。在 `.assign()` 里直接写函数或 Lambda 就行，别画蛇添足包 `RunnableLambda`

C++多线程编程中，lambda捕获方式的选择直接影响线程安全性。使用[&]引用捕获可能导致悬空引用问题，当外层函数返回后，线程访问的栈内存可能已被销毁，引发未定义行为。相比之下，显式值捕获（如[this, var1, var2]）会创建独立副本，确保线程安全。最佳实践建议：1）优先显式列出捕获变量；2）共享数据修改需使用智能指针和同步原语；3）避免隐式捕获。核心原则是保证对象生命周期覆盖线程执行

Cursor Rules 使用指南 Cursor Rules 是让 AI 遵循你的项目约定和编码习惯的系统级指令，支持四种类型：项目规则（.cursor/rules）、用户规则（全局设置）、团队规则（企业版）和 AGENTS.md（简化版）。规则通过提供持久上下文，指导 AI 生成代码和理解工作流。 项目规则以 Markdown 文件形式存放，通过 frontmatter 控制应用条件（如特定文件

《OpenSpec实战指南：AI原生开发工作流解析》摘要： OpenSpec是基于Cursor IDE的规范驱动开发(SDD)实践框架，通过CLI与Agent的协作实现高效开发。CLI作为"机械臂"处理文件操作，Agent作为"大脑"负责智能决策，用户通过Agent间接控制CLI。系统采用双重规格设计：Delta Specs（变更规格）记录开发中的修改，Ma

《OpenSpec实战指南：AI原生开发工作流解析》摘要： OpenSpec是基于Cursor IDE的规范驱动开发(SDD)实践框架，通过CLI与Agent的协作实现高效开发。CLI作为"机械臂"处理文件操作，Agent作为"大脑"负责智能决策，用户通过Agent间接控制CLI。系统采用双重规格设计：Delta Specs（变更规格）记录开发中的修改，Ma

用 Skill创建子代理还真是一个天才的想法啊！哈哈哈！这也能从一定程度上看出他们之间的区别！！