Archives

从代码理解、文件修改、命令执行和 Git 协作四个角度，理解 Claude Code 的工作边界。

从浏览器读取服务端流，完成一个支持 Markdown、停止生成、自动滚动和错误重试的 AI 聊天页面。

译述 LangChain 记忆架构最新实践：区分单会话 Checkpoint 栈与跨会话持久化 Store API，为 Agent 构建像人脑一样分层的记忆系统。

从消息列表升级到 Agent 工作台：用事件流、状态机和可恢复状态组织复杂的模型交互。

按官方方式安装 Claude Code，并在一个真实前端项目中完成首次分析任务。

设计工具调用时间线的事件模型、加载状态、输入输出折叠和错误恢复，让 Agent 的执行过程清晰可读。

用可验证的提问方式，让 Claude Code 梳理前端项目结构、路由、组件和数据流。

译述 LangGraph 流式通信精要：从单一文本 Token 流升级到中间步骤 Step 与全图 State 快照流，解决复杂 Agent 界面渲染抖动。

从来源、权限和结果三个确认点出发，讨论 Agent 前端如何让用户知道系统做了什么并敢于继续使用。

建立复现、定位、修改和验证的 Bug 修复闭环，避免 Agent 只改表面症状。

使用 Claude Code 为前端函数补充测试，并识别生成测试中的常见陷阱。

译述 LangChain 团队关于多智能体系统的深度洞察：多 Agent 的本质不是赶时髦，而是通过上下文隔离解决单模型认知超载与写冲突。

译述 LangGraph 的 Human-in-the-loop 核心设计：如何利用 interrupt 挂起运行、持久化 Checkpoint，并通过 Command 与前端审批流无缝恢复。

用 CLAUDE.md 固定前端项目的技术栈、目录约定、验证命令和代码审查规则。

理解 MCP 如何连接外部数据源，并用它补充前端 Agent 的项目上下文。

用 Skills 封装可复用流程，用 Hooks 固定格式化和检查动作。

译述 LangChain 经典架构思考：为什么单向 Chain 无法承载真实复杂业务，以及如何用有状态图与前端 FSM 组织 Agent 的“认知过程”。

将大型前端需求拆成边界清晰的子任务，并控制并行 Agent 的冲突和合并成本。

对比 Claude Code 的终端、IDE、桌面、Web 和 CI 场景，设计可迁移的前端工作流。