kk 的主页

天工超级智能体实测，SkyClaw-v1.0 百万上下文 Agent 模型跑分对比，在 Claude Code 中接入 SkyClaw 实操，多智能体协同完成文档/PPT/表格/网页全流程工作。

基于红狐数据新媒体数据API，搭建AI热点雷达平台，聚合抖音、小红书、公众号三大平台AI热点，LLM分析机会评分，附Codex Skills集成和在线查询实战。

介绍如何搭建本地的开发环境、求职派的开发设计理念、一些约定大于配置的“潜规则”，以及如何贡献代码和部署到线上供其他人访问。最基础的依赖只有两个：JDK 21 + Maven；如果你只是想在本地进行开发，那么搭建上面两个环境足以；如果你想将数据保存到 MySQL 中，那么你可能还需要安装 MySQL 8+。

Codex原生支持第三方模型，实测DeepSeek V4 Flash与Step 3.7 Flash在Coding Agent、Search Agent、Tool-use Agent三个场景的表现，对比速度、成本和稳定性。

从官方文档出发，拆解 Claude Code 五大核心概念：上下文、CLAUDE.md、Hooks、Skills、Subagents 的内部机制，结合 PaiCLI 实战对照，理解 Agent Harness 的设计逻辑。面试官：“你说你用Claude写代码，那你说说你CLAUDE.md、Hooks、Skills、Subagents”，我：“这些是啥？”，面试官：“回去等通知吧！”

Workflow与Agent的核心区别在于流程控制权。本文解析技术边界与场景选择，帮助你在面试中准确回答并提升实际项目判断力。

面试官问你：“一个 Agent 有哪些核心组件？”如果你回答“一个 LLM 加上几个工具”，面试官会觉得你的理解得太粗糙了，根本不懂 Agent。讲真，我有读过 Claude Code 的源码，发现 90% 的代码都是在做基础设施，LLM 和工具调用只是冰山一角。 为什么？ 因为一个能跑的 Agent，至少需要五大核心组件协作。模型是大脑，工具是手脚，记忆是经验，规划是策略，Harness 是躯干。缺一不可。