企业官网建设流程全解析

陕西省住房和城乡建设厅网站上查询,网站开发公司管理模式,wordpress主题去哪里找,做网站商城项目的流程最近一年都在讨论 Agent。MCP、Subagent、多 Agent、工作流#xff0c;一个比一个高级。但我想问你一个很简单的问题#xff1a; 当你说“我在用 Agent”的时候—— 你到底是在给 AI 工具#xff0c; 还是在让它真的学会一种能力#xff1f; 直到我认真看完 Claude Code Sk…最近一年都在讨论 Agent。MCP、Subagent、多 Agent、工作流一个比一个高级。但我想问你一个很简单的问题当你说“我在用 Agent”的时候——你到底是在给 AI 工具还是在让它真的学会一种能力直到我认真看完 Claude Code Skills 的设计我才意识到我们很可能一直在把这几件事混着用。这篇文章我想用最直观的比喻把一件事讲清楚Claude Code Skills和 MCP、Subagent、工作流到底解决的是不是同一类问题。什么是 Claude Code Skills?在Anthropic推出的Claude Code中Skills 并不是一个新的工具接口也不是新的 Agent 类型而是一种对 Agent 能力进行组织和加载的官方机制设计。Anthropic 在 Claude Code 里的核心判断是Agent 的问题已经不只是“能不能接工具”而是“如何在不污染上下文的情况下合理使用这些能力”。基于这个判断Claude Code 对不同概念做了非常清晰的区分MCPModel Context Protocol是 Anthropic 提出的工具接入与上下文协议解决的是“AI 如何标准化地访问外部工具与能力”Subagent / Multi-Agent 架构是一种任务分工与并行执行的系统设计解决的是“不同类型的任务如何由不同 Agent 负责”Workflow是一种预定义执行路径的流程机制解决的是“在确定步骤的前提下如何稳定地完成任务”而Claude Code Skills关注的是完全不同的一件事在保持单一 Agent 连贯思考的前提下如何让 Agent 具备可扩展、可复用、按需加载的“能力”。因此从 Anthropic 的官方设计视角来看MCP 关注的是工具接口Subagent 关注的是角色分工Workflow 关注的是执行顺序Skills 关注的是 Agent 的“能力结构”这也是为什么这四个概念经常被一起提起但并不处在同一个层级。用最直观的比喻MCP你手里多了一把锤子Subagent你多雇了一个木匠Workflow你照着装修步骤做Skills你学会了“木工”这项技能再换几个更极端的比喻Skills ≠ 给你一艘船Skills 你学会了游泳Skills ≠ 给你一架钢琴Skills 你学会了弹钢琴Skills ≠ 给你翅膀Skills 你学会了飞天遁地这是“能力内化”不是“工具外挂”Claude Code Skills 在技术上是怎么做到这件事的这里我们才进入技术层但逻辑其实已经很好懂了。在Claude Code里一个 Skill 本质上就是一种能力而每一种能力都会用一个SKILL.md文件来描述。这个文件并不是随便写一段说明而是有明确分工的它不会把所有细节一次性塞给 Agent。SKILL.md里的第一部分是对这项能力的“认知描述”——它是干嘛的、什么时候该用、适合什么场景。这一层信息会被提前加载进 Agent 的上下文让 Claude 知道“我会游泳、会开车、会做饭。”而真正的操作细节则被放在第二层具体要怎么做、用哪些命令、有哪些执行步骤。这一部分默认不会加载只有在 Agent 判断“现在真的需要用这项能力”时才会通过工具去读取对应内容。这种只在需要时才展开细节的设计有一个很贴切的名字叫渐进式披露Progressive Disclosure。这套设计正好击中了老一代 Agent 架构的两个致命问题。以前的 Agent往往会在一开始就把所有工具、所有说明一次性塞进 Prompt 里结果就是 Prompt 迅速膨胀不仅 Token 成本高而且大量“暂时用不到的信息”会直接参与思考反而干扰判断。Claude Code Skills 的做法完全相反Agent 只需要记住“我会什么能力”而不是“每个能力具体怎么用”真正的执行细节等到需要时再去读取。这也直接缓解了上下文污染的问题。旧模式下思考阶段和执行阶段混在一起Agent 在推理时就已经背着一堆操作细节而 Skills 把这两件事拆开了——思考阶段的上下文保持极度干净只围绕“要不要用某个能力”来判断等确定要行动了才加载对应的细节去执行。这正是 Claude Code Skills 的核心价值所在。Claude Code Skills 目前能在哪用这一点一定要说清楚。到目前为止官方原生支持 Skills 的只有 Anthropic 自己的 Claude Code。像 Cursor、VS Code 这些 IDE本身并不支持 Claude Code 的 Skills 机制如果你想在这些环境里复刻类似能力就需要借助OpenSkills 之类的开源工具实现。换句话说Claude Code 是“技能系统的原厂设计”而其他 IDE 更多是社区在做的“能力复刻版”理念相同但并非官方内建。理解了这一点再来看 Skills 的配置其实就会发现它并不复杂。Skill 本质上就是一段你写给 AI 的“能力说明书”告诉它这项能力是干嘛的、什么时候该用以及一旦要用具体应该怎么做。在 Claude Code 里这通常是通过一个SKILL.md文件来完成的。比如一个最小可用的 Skill可以只描述一件事——如何完成一次规范的 git 提交。你只需要在某个 skills 目录下创建一个文件夹并写一个类似这样的SKILL.md# Skill: Git Commit ## Description 用于在当前项目中完成一次规范的 git 提交。 ## When to use 当代码修改完成需要提交版本时。 ## Steps 1. 执行 git status确认当前修改内容 2. 执行 git add . 3. 执行 git commit -m 简要描述本次修改内容当 Claude Code 在对话中判断“现在这个场景需要提交代码”它并不会一开始就加载这些执行细节而是在决定要用这个能力之后再读取对应的SKILL.md并按你写好的步骤通过 Bash 等工具逐条执行。这也是为什么 Skills 不会造成 Prompt 爆炸——它们是按需展开的。Claude Code 官方自带的 Skills主要覆盖的也是这些基础工程能力比如 Git 操作、Bash 命令、文件系统访问以及项目的构建、运行和测试。但真正值钱的并不在这些内置能力上而在于你自己能把什么经验沉淀成 Skill。你完全可以把「初始化一个 AI 项目」「Next.js Supabase 的固定搭法」「一套 Vibecoding 的 PRD → 代码流程」「部署到 Vercel 的完整步骤」甚至是「我个人偏好的代码规范和工作习惯」都写成类似这样的 Skill。从这个角度看Skill 本质上就是你经验的“可复用形态”。到这里其实已经可以看清楚 Claude Code Skills 想解决的到底是什么问题了。它不是在和 MCP、Subagent、工作流“抢位置”而是在补一个长期被忽略的空缺Agent 到底该如何管理自己的能力结构。当你开始把 Skill 当成“能力”而不是“工具说明”很多设计选择就会变得顺理成章——为什么要按需加载、为什么要保持单 Agent 的连贯性、为什么它对个人开发者特别友好。这不是一个小技巧而是 Agent 架构在走向长期可维护之前必须补上的一块拼图。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】