参考：[Vercel AI SDK](https://github.com/vercel/ai)、[Vercel Agents 文档](https://vercel.com/docs/agents/)。现在很多人推荐 **TypeScript 而不是 Python 来构建 Agent**，核心不是因为 TS 的 AI 能力更强，而是因为 **Agent 越来越像“应用系统”而不只是“模型脚本”**

README 要点摘要：✅ 解决的 AI 使用痛点：AI 编码 agent 难以稳定遵循复杂方法论、缺乏可复用的’技能包’体系团队难以沉淀、共享、版本化 agent 的最佳实践与工作流agent 行为随机、结果不可预期，缺乏结构化方法论约束README 要点摘要：✅ 解决的 AI 使用痛点：Claude Code / Codex 等 agent 性能不稳定，缺乏记忆与安全护栏agent 不会’自我

参考：[Vercel AI SDK](https://github.com/vercel/ai)、[Vercel Agents 文档](https://vercel.com/docs/agents/)。现在很多人推荐 **TypeScript 而不是 Python 来构建 Agent**，核心不是因为 TS 的 AI 能力更强，而是因为 **Agent 越来越像“应用系统”而不只是“模型脚本”**

虽然在它之前，深度学习中已经有 CNN、RNN、LSTM、GRU 等经典模型，但 Transformer 的出现，极大改变了人工智能处理自然语言的方式。所以，Transformer 的本质可以理解为：它先把自然语言切分成 Token，再转换成高维向量，通过位置编码保留顺序信息，最后利用自注意力机制动态建模词与词之间的关系。因为一句话的意思并不只由单个词决定，还取决于词与词之间的上下文关系。位置编码