这份计划书展示了非常成熟的前端工程化思维。AI 把一个复杂的新闻详情页拆解成了：路由层 (page.tsx)、数据层 ()、组件层 (article-*sidebar/*) 和基础零件层 (BiasMeterButton特别值得注意的是，AI 严格遵守了AGENTS.md的约束，在页面上醒目地标注了“AI-estimated”（AI 估算）和免责声明，这不仅是一个 UI 细节，更是新闻分析类产品的

这份计划书展示了非常成熟的前端工程化思维。AI 把一个复杂的新闻详情页拆解成了：路由层 (page.tsx)、数据层 ()、组件层 (article-*sidebar/*) 和基础零件层 (BiasMeterButton特别值得注意的是，AI 严格遵守了AGENTS.md的约束，在页面上醒目地标注了“AI-estimated”（AI 估算）和免责声明，这不仅是一个 UI 细节，更是新闻分析类产品的

这份文件完美诠释了AGENTS.md所要求的“先写计划，后写代码”的工作流。AI 把抽象的“搭建设计系统”任务，拆解成了具体的文件路径、色号值、组件 Props 和测试步骤。如果你对这个文件里的任何一条不满意（比如“我不想要 Poppins，我想用思源黑体”），你可以在 AI 动手前让它修改这个计划文件，从而避免写出一堆要重写的代码。这份计划书完美体现了**“关注点分离”**的架构思想。AI 被严

这份文件完美诠释了AGENTS.md所要求的“先写计划，后写代码”的工作流。AI 把抽象的“搭建设计系统”任务，拆解成了具体的文件路径、色号值、组件 Props 和测试步骤。如果你对这个文件里的任何一条不满意（比如“我不想要 Poppins，我想用思源黑体”），你可以在 AI 动手前让它修改这个计划文件，从而避免写出一堆要重写的代码。这份计划书完美体现了**“关注点分离”**的架构思想。AI 被严

它告诉 AI：“你现在的角色是一个首席级别的全栈工程师，正在开发一个叫 SKEW 的 AI 新闻分析生产级项目。最关键的是中间那段警告：它明确告诉 AI，这个项目里的 Next.js 版本经过了魔改或有破坏性更新，禁止 AI 凭借自己训练数据里的旧知识直接写代码，必须先去读里的本地文档。定义了 SKEW 这个产品的核心功能：抓取真实新闻 -> AI 分析情感和偏见 -> 存入 Supabase -

它告诉 AI：“你现在的角色是一个首席级别的全栈工程师，正在开发一个叫 SKEW 的 AI 新闻分析生产级项目。最关键的是中间那段警告：它明确告诉 AI，这个项目里的 Next.js 版本经过了魔改或有破坏性更新，禁止 AI 凭借自己训练数据里的旧知识直接写代码，必须先去读里的本地文档。定义了 SKEW 这个产品的核心功能：抓取真实新闻 -> AI 分析情感和偏见 -> 存入 Supabase -

AI Agents 已经在真实的生产环境中大规模落地。效率提升显著：如穆迪从 1 周缩短到 1 小时。业务价值直接：提升客户体验、减少运营成本、增强决策速度。跨行业适用：从金融到支付、贷款到保险，智能体都展现出强大的普适性和灵活性。一个完整的智能体（Agent）记忆（Memory）→ 短期上下文记忆 + 长期个性化记忆工具/MCP（Tools/MCP）→ 外部能力扩展，如 API、数据库、搜索引擎

场景适合用 Agentic AI不适合用 Agentic AI问题空间大且多样化固定步骤推理多步推理，成本低需要严格确定性成功价值高回报高风险错误不可接受工具支持工具多且易扩展框架不成熟或缺乏工具响应要求可容忍一定延迟必须低延迟低错误率企业正在加倍投入 Agentic AI未来几年，Agentic AI 将从“实验性技术”变为“企业软件的标配”从 2024 年不足1% 的渗透率→ 到 2028 年

Alpha Vantage通过一套强大且开发者友好的数据API和电子表格，提供实时和历史的金融市场数据。从传统资产类别（例如股票、ETF、共同基金）到经济指标，从外汇汇率到大宗商品，从基本数据到技术指标，Alpha Vantage通过基于云的API提供服务。

)])使用来填充分类型数据中的缺失值，策略改为’constant’，改用常数值填充。])MAE:# 自定义数值型数据的预处理步骤('imputer', SimpleImputer(strategy='mean')), # 可以使用均值填充缺失值])# 自定义分类型数据的预处理步骤('imputer', SimpleImputer(strategy='most_frequent')), # 使用最频