先报核心数据：1902个TypeScript文件，51.2万行代码，打包后13MB的单文件CLI，因为一个sourcemap文件，彻底暴露了底层逻辑。截至发稿，Anthropic官方还没回应，网友已经先狂欢上了，GitHub克隆项目星标半小时破5k，这波属于“程序员过年”现场。但对开发者来说，这波等于免费拿到了“AI编程工具天花板”的设计蓝图，能学、能改、能二次开发，甚至能基于源码做自己的定制化工

【代码】吴恩达机器学习学习笔记（6）

先报核心数据：1902个TypeScript文件，51.2万行代码，打包后13MB的单文件CLI，因为一个sourcemap文件，彻底暴露了底层逻辑。截至发稿，Anthropic官方还没回应，网友已经先狂欢上了，GitHub克隆项目星标半小时破5k，这波属于“程序员过年”现场。但对开发者来说，这波等于免费拿到了“AI编程工具天花板”的设计蓝图，能学、能改、能二次开发，甚至能基于源码做自己的定制化工

简单说，上下文工程是帮 AI 优化 “记忆内容” 的技术体系：它不改变模型本身，而是通过组织、管理、检索信息，让 AI 在有限的上下文窗口里，发挥出最好的效果。随着 AI Agent 越来越复杂（能自主完成多步骤任务），上下文工程的作用会越来越关键 —— 它就像 AI Agent 的 “信息管家”，帮它 “记对事、不迷路”。好的 AI Agent，不仅需要聪明的 “大脑”（大模型），更需要高效的

在掌握生成式 AI 基础后，加分项目（Bonus HW）更像是一次 “实战演练”—— 它不局限于简单的概念记忆或步骤复刻，而是鼓励大家把基础知识点转化为解决问题的能力，甚至尝试小小的创新。这份作业的核心不是 “难”，而是 “活”，无论是结合热门的 AI Agent 设计，还是针对模型局限做优化，都能帮你在巩固知识的同时，提前接触生成式 AI 的进阶应用场景。

AI Agent（智能体）是指能在环境中自主感知、决策、执行动作，并通过反馈持续优化行为的智能系统，而基于 LLM 的 AI Agent是以大模型为核心推理和决策大脑，整合记忆组件、工具集、任务规划模块的智能体，其核心是让 LLM 拥有超越单纯文本生成的自主行动能力。根据场景和目标，定义 AI Agent 需要的核心能力，并搭建对应的工具集核心能力：知识点讲解、代码生成、代码运行验证、作业批改、知

Transformer 以自注意力机制为核心，以掩码解码器为架构基础，以自回归生成为策略，实现了语义层面的高质量文字接龙，让语言模型从 “机械的概率拼接” 升级为 “有理解的语义续写”。这一架构的出现，不仅重构了语言模型的生成能力，也成为了现代大语言模型、多模态模型、AI Agent 等所有生成式 AI 的基础架构。

Agent Skills 作为 AI Agent 领域的核心能力扩展机制，从 Claude 的专属功能模块，逐步成为 Codex、Cursor、OpenCode 等主流 AI 编程工具的标配，更是在 2025 年 12 月 18 日由 Anthropic 正式发布为开放标准，与 MCP 一同成为 AI Agent 通用、跨平台发展的重要支撑。它彻底改变了 AI Agent「只会说不会做」的困境，让

Agent Skills 是为 AI Agent 打造的模块化、标准化能力扩展系统，以文件夹为单位，将完成特定任务所需的指令、脚本、资源文件进行结构化封装，让大模型在需要时自动加载、执行，实现任务的标准化、高效化完成。把大模型比作新员工，Skill 就是为其量身定制的入职手册 + 操作规范，不用每次重复讲解工作流程，员工就能按标准完成任务；把大模型比作厨师，Skill 就是标准化菜谱 + 食材处理

自定义开发的核心是遵循开放标准，脱离标准的技能会失去跨平台、可复用的价值，同时在开发前需明确核心设计原则，让技能兼具实用性、稳定性和易用性，这是开发的基础，也是技能能落地使用的关键。自定义技能的文件结构为固定框架 + 灵活填充，官方定义的核心结构无需修改，只需根据技能需求在对应位置填充内容，既保证标准化，又能适配不同的技能开发需求，零基础也能快速上手搭建框架。SKILL.md 是自定义技能的灵魂，