技术专栏 第170页

在众多开发框架中，LangChain起步较早且应用广泛。它将常见场景抽象为可复用组件，例如可便捷实现知识库问答（Retrieval-Augmented Generation，RAG），也支持构建具备自主决策能力的智能体（Agent），使模型能够根据任务动态选择下一步操作并调用外部工具完成实际工作。由此，模型不再局限于文本生成，而是能够参与具体任务的执行过程。

下面是目录

　　于是，我们对此采取了相应行动。

在上一篇中，我们详细介绍了
Harris 角点探测，其首次系统性地用结构张量来描述局部特征。

但其终究只是一个“原始基座”，一个很明显的问题是：

问题：

点击查阅官方文档


点击开启应用体验

第一个月：看到什么装什么，光 awesome-skills.com 首页挂的就装了一半，感觉自己马上就要起飞。第二个月：发现
.claude/skills/ 目录塞了 50 多个文件夹，但 Claude 实际上每天在用的不超过 5 个。第三个月：开始清库存，留下真正在帮我干活的，把剩下的全卸载。

把这段敲进终端，按回车，你就完成了一次标准的大模型推理调用。下面我们逐层拆解协议栈。

Anthropic 发布了一篇 Claude Code 进阶指南，里面把 CLAUDE.md、Rules、Skills、Subagents、Hooks、Output styles 和 append system prompt 放在一起比较。在这里，我们借助该篇内容提供的分类方式，来讨论一个更通用的问题：Coding Agent 里的规则，究竟应该放在哪里。