想快速理解一个新领域？ 先喂够素材，然后问：这个领域的专家怎么思考？他们在哪些问题上有分歧？怎么区分真懂和假懂？
想评估一个新产品/新趋势？ 同样的逻辑：核心优势是什么？业内争议在哪？什么问题能区分出真正理解这个产品的人？
想学一项新技能？ 别问"怎么学 Python"，问"优秀的 Python 开发者和普通开发者的思维方式有什么区别？他们在哪些实践上有分歧？"
我自己最近在研究一个新话题的时候试了一下，先问心智模型再问分歧点，确实比直接问"帮我总结"拿到的东西有用得多。你一下子就知道这个领域的"骨架"在哪，而不是拿到一堆零散的知识碎片。
这是别人的经验：最近在打算法比赛，聊到模型时谈到——Astra Pro 和 Opus 5.5 Max 属于同一档，但前者更擅长突破，后者更擅长分析。
用下来的一点体会：给 Astra Pro 的提示词越少越好，给多了反而限制它的发挥。其次，本质上是抽卡——可能抽 10 次，才有 1 次的 Pro 特别聪明。
GPT 的代码审查能力暂时还没有 Claude 强，所以可以把两者拼起来用：让 Claude 负责想和拆，让 Codex 负责写。
用户需求 → Claude 思考、拆解任务 → 输出 shell 指令 → 本地执行 shell → 调用 Codex → Codex 生成代码
串起来的关键是中间那层 shell：Claude 的产出不是直接代码，而是一串可执行的指令，由本地 shell 落下去跑，再把写码这一步交给 Codex。规划和生成各用各自更擅长的模型，链路本身走本地命令，衔接清楚也好排查。
核心思路是最终一致性：状态机 + 消息队列 + 幂等 + 补偿重试。
关键约束：不能在回调接口里同步执行复杂业务，超时会导致微信反复回调。
这里说的是 Agent 大模型方向的 Harness Engineering，不是 DevOps 那个 Harness 平台。一句话公式：Agent = Model + Harness。
Harness 直译是马具、缰绳。大模型本身是一匹能力很强但不受控的马，Harness 就是包裹在大模型之外、让 Agent 稳定安全可控运行的整套运行时基础设施，不属于模型本身。
核心目标是约束大模型，解决 Agent 落地的痛点：无限循环、上下文爆炸、越权操作、不可控输出、成本不可控。
通俗理解：模型负责思考推理，Harness 负责管控、调度、安全、资源、流程，给模型套上缰绳。
一句话：粗召回负责「不漏掉相关文档」，Re-rank 精排负责「挑出最相关的文档」，提升最终答案质量。
普通视图：像一个「查询快捷方式」。比如你经常要算「每个部门有多少人」，每次都得写很长的 SQL 去统计。普通视图就是把这段 SQL 存起来，你查视图时数据库才临时算一遍，把结果给你。它本身不存数据，只存公式。
物化视图：它不是快捷方式，而是把查询结果实实在在存成一张真实的表格。相当于提前把「每个部门人数」算好，把结果表存在硬盘里；以后查它直接读存好的结果，不用再算一遍。
数据不是实时更新的。部门来了新员工，物化视图里的数字不会自动变，得手动「刷新」一下，它才会重新算一遍并保存最新结果。
那些经常查、计算又很慢、且数据不用实时更新的统计报表，用它速度特别快，属于「用存储空间换查询时间」。
从生产端、存储端、消费端三个环节全链路保障。
需要把多步 Redis 操作打包成「原子操作」、中间不能被别的请求打断时，就用 Lua 脚本。Lua 是一种轻量小巧的脚本语言，常被嵌入到其他软件里运行。放在 Redis 里用的核心价值就是原子性：一整段脚本一口气执行完，中间不会被其他命令打断，要么全成功，要么全失败。
行级锁是 MySQL 里的细粒度锁，只锁住你当前要修改的那一行数据，其他行完全不受影响。
最通用的是「唯一 ID + 去重表」：给每次操作生成一个全局唯一流水号（比如支付订单号），操作前先查去重表，已存在就直接返回成功，不存在则执行业务并写入去重表。支付、下单这类所有新增操作都适用。
验签是支付安全的核心，用来防止伪造回调。
一句话区分：只需要服务器单向推消息用 SSE；双方都要随时互相发消息，用 WebSocket。
轮询不会跟着一起失败，因为 WebSocket 连不上不等于网络不通。长连接走不通，短请求照样能发；这时候降级成轮询，数据照样更新，只是实时性差一点。
降级的本质是分层兜底：不追求 100% 可用，而是按优先级层层退让。
SSE 常被说成「有边界」，但那个 `\n\n` 只是字节流里的几个字符，不是协议层面给的边界。往下几层看就清楚了：
| 层 | 边界 | 应用要不要自己切 |
|---|---|---|
| TCP | 无，只有有序字节流 | 必须 |
| HTTP/2 DATA 帧 | 有帧边界，但 body 对应用仍是字节流 | 必须 |
| SSE | 自定义 \n\n 分界——但它只是字节流里的字符 | 必须 |
| WebSocket | 有真正的帧 / 消息边界，整条消息交付 | 不用 |
记三句：SSE 是「话怎么说」，HTTP 是「信封怎么写」，TCP 是「快递怎么把东西可靠送到」。三层各管一段，谁也不替谁划消息边界。
Claude Code 干活的主线是一个 Agent 闭环，缩写叫 TAOR：Think → Act → Observe → Repeat。四步一轮，转到达标为止。
拆到底就是：模型只管想和决策，工具在沙箱里干活，结果回到上下文，再判断要不要继续。所谓 Agent 能力，大半是把这套循环的每一步做扎实。
Claude Code（CC）偏规划、前端、全栈；Codex（CX）偏审代码、后端。底层、C/C++、编译器、解码器，两边都不行。
这些体感差异，绝大多数来自两家官方 Harness（智能体运行时编排）的设计，模型本身的能力倾向只占一小部分。模型是大脑，Harness 是神经、骨骼和工作制度：它决定流程、工具、权限边界、任务怎么分、输出怎么校验。
行业里有句共识：Harness 才是产品力，模型只是原材料。Anthropic 偏向灵活、高效、开发者主导、多模型协同；OpenAI 偏向规范、安全、一致性优先、单模型全链路。
CC 走 Claude API，单价贵，但适合规划和拆问题。真正写代码交给 Codex，整体花不了多少钱。CC 能让你保持很快的节奏去思考、推进；Codex 别的都还行，就是想太久，排版也不太利于沟通。
快慢很大一块是调度策略。CC 内置任务复杂度分类和模型路由：读文件、摘要、简单检索走 Haiku（不管你选的是 Sonnet 还是 Opus 4.5），架构规划、深度分析才用自选大模型，子任务还能并行派发。CX 是单主模型串行流水线，思考、写码、工具、自检都绑在同一个模型上，再加多轮自检和思维链展开，优先保证准确性，等待就长。
两边最大的差别是权限。CC 的运行时动态审批更灵活，系统调用、抓包、软件深度分析这类放行阈值低，偏向开发者全权主导，商业分析更对口。CX 是显式策略引擎加强沙箱，文件修改、网络访问每一步都要过策略，很多操作必须人工确认，绕不过去。CX 这边得绕半天，还没法做到百分之百抓数据分析。
如果说「去掉权限，Claude API 和 gpt-5.x-codex API 基本没区别」——更准确的说法是：不用官方客户端、直接调原始模型 API，差异会缩小到文风和能力倾向；只要用官方客户端，Harness 带来的流程、权限、编排差异依然很大。
CC 规划强，既有 Claude 擅长长文本推理、架构拆解的一面，也有 Harness 强制「先规划后执行」：先出方案、拆步骤，再动手。CX 代码更规范、Bug 更少，既有 GPT 在语法和工程规范上的积累，也有写完之后自动 lint、格式、静态检查这道质量门禁。
比较好用的办法：用 CC 做规划、分析，再指导 CX 写代码并直接执行。本质是两套 Harness 互补——CC 吃快速规划和多模型调度，CX 吃规范输出和质量校验。成本划算，能力也对得上，比单工具走完全程更高效。
如果理解注意力机制，就不难理解：指令后面加一堆感叹号起不到强调作用，反而会稀释注意力；prompt 重复两遍可以提升性能，重复五遍却会降低表现。
大模型读文字时会分配「关注度」，优先关注重要 token。
！！！！！ 会占用注意力资源，把真正的核心指令冲淡，模型分不清重点；如果理解了 Tokenizer 原理，看到模型算出 9.11 > 9.9、或说 strawberry 里只有 2 个 r，就不会大惊小怪。
模型不是按人类理解的「单词 / 数字」阅读，而是切成一个个小块（token）。
9.11 会被切为 9、.、11；9.9 切为 9、.、9。模型是对 token 编码做运算，不是做数学计算，所以会出现人类看来很蠢的大小比较错误。strawberry 分词时可能被切成片段，模型不是直接「读取全部字母」，所以数 r 会数错。简单说：模型不是认字，是认碎片。
如果知道每次预测都要综合计算前面所有上下文的 KV 矩阵，就能明白上下文管理有多重要，也明白：模型一旦拒绝要求，继续说服往往没用。
模型每一轮回答，都会把上文信息编码保存。
如果了解过拟合，就更容易理解：为什么强行塞入思考标记，有时反而会得到更随机的回复。
过拟合指模型训练时死记硬背样本，泛化变弱。<think> 是 DeepSeek 这类推理模型的内部思考标记。当你强制写入它，会触发进入推理模式，这种模式下更容易发散、不稳定，随机性更强。
如果理解语义激活，就能明白：prompt 里用正面要求，往往比负向写法效果更好。
模型根据词语关联激活对应语义。
这次做项目又攒了几条亲测有用的经验，记下来。
Bug 老是修不好时，别干骂。好好跟它聊，帮它理思路，但最后一定要补一句：
请你从第一性原理的角度出发，捋清楚刚才的问题症结为我修复它。
这句话真有点魔法，像按了重置键，把它从混乱里拉回来，逼它从打地基开始重新看整栋楼的结构。这样给出来的方案通常会好很多。好好说话总比骂人管用，对 AI 也成立。
项目收尾时，很多问题自己日常用不到、测不出来，除非经验特别丰富。AI 往往比你见过更多坑——直接让它对这个项目做对抗性检查，专门用来拆台。它真能挖出一些设计上的逻辑错误。
前端问题不好解决时，多让它接管浏览器做开发调试。很多时候是你描述不准、观察不细，或者不太熟那些专业名词，开发效果就会打折扣。直接要求它接管浏览器，边看边调。
反重力的浏览器调试很好用，腾讯出品的 BrowseSkills 也不错，还有真神 Codex。用哪个丰俭由人。
要求模型交货前写脚本多做测试。文件一庞大，AI 往往只能审查局部——单看每段都正确无误，上下组合起来就错了。重构时尤其危险：任何重构都不能只靠静态语法检查，必须靠动态沙箱执行验证运行时引用完整性。
该死的 Gemini 就给我犯过三四次这种低级错误：修 Bug 修着修着，把脚本注入页面整段弄丢了。
访问：https://gist.github.com
搜索常用的节点协议链接：ss://、vless:// 等，选择 Recently updated，如图所示：
你写了一小段代码、一段文字、一个 JSON 配置，不想专门新建一个完整项目仓库，只想快速存起来，生成一个链接发给别人看，这就用 Gist。
就是 Gist 里面文件的「纯原始文本直链」，不带网页 UI、没有按钮、没有广告，浏览器打开直接就是文件本身的内容，方便程序 / 脚本读取。
写个脚本，直接通过 git 就可以定时把最新节点列表自动上传更新到 Gist。【节点经常会失效、掉线，需要替换新节点】，Gist 会给你一个固定不变的 raw 原始链接。
SonarQube 是面向代码质量与安全的静态分析平台，支持 40+ 编程语言。核心价值是对所有代码（人工编写 / AI 生成）执行一致的自动化校验，拦截 Bug、安全漏洞、代码坏味道，从源头避免技术债务累积。
从业务约束出发，优先级：能力需求 → 成本 → 延迟 → 隐私合规 → 运维负担
上下文压缩本质是：保留关键信息，删减冗余。模型能力不足时，不要完全依赖大模型做压缩，走混合方案：
非 LLM 前置压缩（优先）
拆分压缩任务，不要一次性压缩超长文本
分块局部摘要，再合并局部摘要，避免一次性超长输入压垮弱模型。
改变压缩策略：不做全文摘要，做信息抽取
不要求模型写总结，改为结构化抽取：问题、关键结论、待办、冲突点，结构化输出更容易稳住质量。
增加校验层
压缩完成后做轻量校验：检查是否丢失关键实体 / 编号；丢失则保留原文片段。
兜底策略
压缩失败 / 丢失关键信息时，回退原始上下文，牺牲 token 换正确性。
核心思路：把重压缩工作交给检索 + 传统手段，弱模型只做结构化提炼，而不是让弱模型做全文浓缩。
工具调用失败常见类型：格式错误、参数错误、函数幻觉、超时、业务权限报错。分层处理：
第一层：校验拦截（前置）
用 JSON Schema / Zod 校验模型输出的工具调用参数，格式不对直接判失败，不调用真实函数。
第二层：重试机制
区分可重试错误（网络超时、5xx）和不可重试（参数非法、权限不足）；可重试做有限次数重试 + 退避；参数错误不要重试。
第三层：错误回传给大模型，让模型自修正
把 error message、错误原因返回模型，让它重新生成工具调用；加提示约束：不要编造不存在的参数 / 函数。
第四层：兜底降级
多次调用失败后，停止工具调用，改用自然语言回答；或交给人工介入。
第五层：观测与优化
记失败日志，统计幻觉、格式错误高频 case，优化 system prompt；必要时用小模型做工具调用专用微调。
系统提示词 → 第一条用户消息 → 模型第一轮回复
第一条用户消息是紧跟系统指令后的第一个用户输入，会直接塑造模型第一轮推理的基础心智状态。
举你美妆例子对比：
首句 1：「脸过敏了！烂脸了！」（负面维权、情绪激烈）
模型捕捉到紧急负面诉求，更容易放宽售后尺度，话术偏向安抚、让步；
首句 2：「请问这款面霜早晚怎么涂抹？」（中性技术咨询）
模型识别普通咨询场景，严格死守售后规则，一点不会松口提补偿。
哪怕系统提示词一模一样，初始锚点不同，输出策略直接分化。
新增固定首条默认用户消息（比如统一预置：“我使用产品出现问题，需要售后咨询”）
人为给 AI 画好分界线，告诉它哪部分是参考依据
例子：把「用户提问」当成「知识库官方规则」（致命幻觉，业务事故）
这是最危险的情况，直接篡改知识库本意。
还是同一段无分隔文本：
过敏可以全额退吗？7 天内未拆封可无理由退货，使用后皮肤过敏凭医院诊断可退 80% 货款……
模型错误判定：
将问句 过敏可以全额退吗？ 识别为知识库里面写的官方条款。
模型错误输出示例：
根据售后规则，过敏可以办理全额退款；同时 7 天内未拆封商品也支持无理由退货，过敏情况最高可退 80%。
优化后标准化包裹分隔知识库内容：
用户问题：过敏可以全额退吗？
【知识库参考片段 1】7 天内未拆封可无理由退货
【知识库参考片段 2】使用后皮肤过敏凭医院诊断可退 80% 货款，拆封超 15 天不予售后
清晰边界让模型精准识别参考依据，严格按库内内容作答，大幅减少幻觉。
软件开发设计：
交互部分：ui交互、数据交互、逻辑交互、基础设施：数据权限管理，行为权限管理、报错系统
部署发布：域名管理、私有化部署
运营维护：监控日志、数据管理和分析、资源管理
软件的本质：只是数据收集、复制、转化和传播
回调是「有人变了，快来查一下」的提醒；真正的数据同步，是你收到提醒之后，主动去企微拉最新资料，再写入 ERP。
归一化：预处理，改输入数据的数值分布，解决数值尺度问题；正则化：训练约束，防止模型过拟合，提升泛化能力。
| 对比维度 | 归一化（Normalization / Standardization） | 正则化（Regularization） |
|---|---|---|
| 核心目的 | 统一特征取值范围，消除量纲影响，加速收敛、保证梯度稳定 | 抑制过拟合，降低模型在训练集上的过度拟合，提升泛化能力 |
| 作用阶段 | 数据预处理阶段，训练之前就对原始特征做变换 | 模型训练阶段，在损失 / 参数更新过程施加约束 |
| 作用对象 | 输入特征 X（样本数据） | 模型参数 W、网络结构、标签、样本（模型本身） |
| 常见方法 | Min-Max 归一化、Z-score 标准化、BN（批量归一化，是层内激活归一化） | L1/L2、Weight Decay、Dropout、早停、数据增强、标签平滑 |
| 是否改变数据含义 | 保留特征相对大小，只是缩放数值 | 不修改原始输入数据，约束模型学习行为 |
| 过拟合关系 | 不能直接防过拟合；BN 有轻微正则副作用，但不是它的本职工作 | 核心目标就是对抗过拟合 |
| 维度 | 传统机器学习正则 | 深度学习正则 |
|---|---|---|
| 模型规模 | 参数少，主要控制特征权重大小（L1/L2） | 参数海量，除了权重惩罚，还要约束激活、网络连接、训练过程 |
| 主流方法 | L1、L2、早停 | Weight Decay、Dropout、BN、标签平滑、数据增强 |
| 优化器影响 | 几乎无差别 | Weight Decay 在 AdamW 才是正确实现，Adam+L2 会有偏差 |
| 作用对象 | 模型参数 | 参数、神经元连接、特征分布、标签、样本 |
Agent 解决的是理解和判断。
复刻网页的焚决：boyang-hu/website-rebuild-skill
补充一点：每个 URL 的技术栈、打包产物、隐藏坑都不一样，不能依赖过往经验硬套；必须先抓取、解析当前这个 URL 的现场证据，再动态选择对应的处理路径。里面的工具是通用的，但怎么调用、参数怎么配、走哪条分支，由当前站点现场证据决定。
对象存储是扁平化的，没有真实目录。
核心本质：以对象为最小单位，每个对象包含三部分：数据本体、自定义元数据、唯一键（Key）。采用扁平化命名空间，没有真实的目录结构，所谓文件夹只是 Key 的前缀模拟。
AI 时代，提升的是解决问题的思路，以及验证答案的能力。
模型可以很快给出方案，判断对不对、能不能落地，仍要靠自己。
把最近用大模型的感受整理如下。就日常接触来看，它的核心能力大致落在这四类。
先判断当前请求该怎么处理：直接回答、检索资料、调用工具、编写代码，还是继续追问澄清。
分流准确，后续步骤才容易做对。
包括理解、拆分、分类与判断。
把自然语言整理成可执行的信息结构：问题是什么、还缺哪些约束、优先处理哪一步。
文章提炼、观点整理，以及按既有风格进行的写作，都属于这一层。
操作电脑也可以看成同类能力：先明确目标，再把操作步骤整理成脚本或命令并执行。
任务卡住时，就换路径继续试。例如分析网站的接口与页面结构，找到可以自动化完成的方式。
这里还有一层长期价值，可以叫复利工程：先借助 AI 找出一条可行路径，整理成文档、脚本、规则或示例，供之后的人和 AI 继续使用。单次探索会消耗时间，留下来的材料才能持续产生价值。
覆盖视觉理解、语音理解与视频理解。
处理视频时，常见做法是先分帧、提取字幕，再做内容总结与串联。输入形式变了，核心仍是拆分信息并压缩成可用结论。
