Snailclimb/AIGuide

Última actividad de origen registrada: 7 de julio de 2026 a las 04:48

Catálogo de SkillsMP actualizado: 12 de noviembre de 2026 a las 12:52

skills recopiladas: 2

Estrellas en GitHub: 734
Forks en GitHub: 84

Instalar con un asistente de IA

Copia este prompt en el asistente de IA que estés usando.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/Snailclimb/AIGuide.

README del repositorio

Archivo de origen del README: README.md

Leer el README original

Mostrar README completo

# AI 应用开发你好，我是 [JavaGuide](https://javaguide.cn/) 的作者。最近这段时间，我一直在补 AI 应用开发、AI 编程实战和 AI 面试这几块内容。这份开源指南写给所有想系统学习 **AI 应用开发与 AI 工程化落地** 的同学：后端、前端、测试、架构师、技术管理者、产品技术同学都可以看。你不需要先转算法岗，也不需要一上来就啃训练框架和论文公式；这里重点放在 LLM、Agent、RAG、MCP、Prompt、评测、系统设计、Claude Code、Codex 这些做应用时会真正用到的东西。如果你本来是 Java / Go 后端，会更容易把高并发、缓存、数据库、消息队列、可观测性这些经验迁移过来；如果你是前端、测试或产品技术方向，也可以从 Prompt、RAG、Agent、AI Coding、评测和系统设计切入，理解一个 AI 功能从 Demo 到上线到底要补哪些环节。 - **项目地址**：<https://github.com/Snailclimb/AIGuide> - **在线阅读**：<https://javaguide.cn/ai/> - **AI 编程专题**：<https://javaguide.cn/ai-coding/> 目前每篇文章都会尽量配上真实工程场景、关键参数、踩坑点和图解。内容还在持续更新，有帮助的话欢迎 Star，也欢迎提 Issue 一起补充。 ![AIGuide 内容概览，大量配图](https://oss.javaguide.cn/github/aiguide/aiguide-overview.png) 发布之后，收到了不少读者朋友的反馈和推荐。感谢大家，我会继续维护。 ![AIGuide 收到了很多读者朋友的好评和推荐](https://oss.javaguide.cn/github/aiguide/ai-guide-received-many-positive-reviews-and-recommendations-from-readers.png) ## Agent Skills AIGuide 仓库里也会同步维护一部分可直接安装的 Agent Skill，目前已提供： - `drawio-chart`：根据需求生成专业的 draw.io 图表，支持流程图、架构图、时序图、ER 图等，并可导出为 PNG/SVG/PDF。 - `java-coding-standards`：为 Java / Spring Boot 项目提供分层架构、编码风格、事务、异常、日志、性能与测试方面的工程规范。安装方式： ```bash npx skills add Snailclimb/AIGuide --path skills/drawio-chart ``` 如果你主要在 Codex 里使用，也可以直接从 GitHub 安装： ```bash python3 ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py \ --repo Snailclimb/AIGuide \ --path skills/drawio-chart ``` ## 怎么读如果你是第一次系统学 AI 应用开发，建议按这个顺序走： 1. 先看 **大模型基础**：把 Token、上下文窗口、采样参数、API 调用、结构化输出和评测搞清楚。 2. 再看 **RAG**：企业知识库问答最常见，坑也最多，文档处理、向量检索、更新链路和评测都得补。 3. 接着看 **AI Agent**：重点理解 Tool Calling、Memory、MCP、Skills、Workflow / Graph / Loop。 4. 最后看 **AI 系统设计**：把 Demo 放进生产环境，处理网关、限流、fallback、成本、观测、安全和灰度。 AI Coding 不是另一条完全独立的线。它更像是日常研发方式的升级，写业务代码、改前端页面、补测试、做重构、查线上问题都能用。建议一边学 AI 应用开发，一边用 Claude Code、Codex、Cursor、Trae 这类工具练起来。 ## 学习路线与建议 - [学习路线合集（2026 最新版）](https://javaguide.cn/roadmap/)：统一整理 Java 后端、AI 应用开发、AI Agent 和全栈方向的系统学习建议。 - [Java/Go 开发者 AI 应用开发与 Agent 学习路线（2026 最新版）](https://javaguide.cn/roadmap/java-to-ai-roadmap.html)：面向后端开发者，按大模型基础、LLM API、Prompt、RAG、Agent、工程化和项目实战拆解学习路径。 - [后端开发者转型 AI Agent 学习建议（2026 最新版）](https://javaguide.cn/roadmap/backend-to-ai-agent-roadmap.html)：先判断是否适合转型，再看 Java AI 与 Python AI 怎么选、能投什么岗位、应该如何学习。 - [后端开发者全栈学习路线（2026 最新版）：AI 时代如何补齐前端和交付能力](https://javaguide.cn/roadmap/full-stack-roadmap.html)：结合 AI 编程工具，补齐前端、接口联调、权限、部署和独立交付能力。 - [AI 核心概念总览：LLM、Agent、RAG、MCP 与系统设计](https://javaguide.cn/ai/ai-core-concepts.html)：串联大模型、Agent、RAG、MCP、评测与系统设计，建立整体知识框架。 ## 面试题 - [AI 应用开发面试题专题](https://javaguide.cn/ai/interview-questions/)：按大模型基础、AI Agent、RAG 和 AI 系统设计组织复习路线。 - [AI 应用开发面试指南](https://javaguide.cn/ai/interview-questions/ai-interview-guide.html)：把 LLM、RAG、Agent、系统设计这几条线串起来，适合系统复盘。 - [大模型基础面试题总结](https://javaguide.cn/ai/interview-questions/llm-interview-questions.html)：Token、上下文窗口、结构化输出、模型调用等高频问题。 - [AI Agent 面试题总结](https://javaguide.cn/ai/interview-questions/agent-interview-questions.html)：Agent Loop、Tool Calling、Memory、MCP、工作流编排等问题。 - [RAG 面试题总结](https://javaguide.cn/ai/interview-questions/rag-interview-questions.html)：Embedding、向量数据库、混合检索、Rerank、GraphRAG、RAG 评测。 - [AI 系统设计面试题总结](https://javaguide.cn/ai/interview-questions/ai-system-design-interview-questions.html)：AI 应用架构、模型网关、成本控制、可观测、安全合规。 - [Agent 项目面试怎么讲？从系统架构、技术选型到 Badcase 复盘](https://javaguide.cn/ai/interview-questions/agent-project-interview-guide.html)：从系统架构、技术选型、工具治理和评测指标讲到 Badcase 复盘，准备 Agent 项目深挖。 ## 大模型基础 - [大模型基础专题](https://javaguide.cn/ai/llm-basis/)：从模型运行机制、API 调用、结构化输出到 AI 应用评测，先把调用链路看明白。 - [LLM 运行机制：Token、上下文窗口与采样参数怎么影响输出](https://javaguide.cn/ai/llm-basis/llm-operation-mechanism.html)：把 Token、上下文窗口、Temperature、Top-p、Max Tokens 这些基础概念讲透。 - [大模型 API 调用工程实践：流式输出、重试、限流与结构化返回](https://javaguide.cn/ai/llm-basis/llm-api-engineering.html)：从 Hello World 走到生产可用，重点看 SSE、超时、重试、取消、幂等和异常处理。 - [大模型结构化输出：从 JSON 契约到 Function Calling 落地](https://javaguide.cn/ai/llm-basis/structured-output-function-calling.html)：JSON Schema、Structured Outputs、Function Calling、MCP Tool 和服务端校验怎么配合。 - [AI 应用评测体系：从 Golden Set 构建到线上灰度闭环](https://javaguide.cn/ai/llm-basis/llm-evaluation.html)：不要靠体感上线，学会用 Golden Set、LLM-as-Judge、Trace 回放和 CI 回归评估 AI 功能。 ## AI Agent - [AI Agent 专题](https://javaguide.cn/ai/agent/)：从 Agent 基础概念、Memory、Prompt、Context 到 MCP、Skills 和 Harness Engineering。 - [AI Agent 核心概念：Agent Loop、Plan-and-Execute、A2A、Agentic Workflows、Tools 注册](https://javaguide.cn/ai/agent/agent-basis.html)：先搞清 Agent 到底比普通 LLM 调用多了什么。 - [AI Agent 记忆系统：短期记忆、长期记忆与记忆演化机制](https://javaguide.cn/ai/agent/agent-memory.html)：短期记忆、长期记忆、Markdown 记忆、记忆写入和检索怎么落地。 - [大模型提示词工程（Prompt Engineering）是什么？提示词技巧有哪些？](https://javaguide.cn/ai/agent/prompt-engineering.html)：Prompt 四要素、Few-Shot、CoT、Prompt Injection 防御和结构化输出。 - [上下文工程(Context Engineering) 是什么？和 Prompt Engineering 有什么区别？](https://javaguide.cn/ai/agent/context-engineering.html)：重点看上下文组装、Token 预算、动态信息挂载和降级策略。 - [Agent Skills 是什么？和 Prompt、MCP 到底差在哪？](https://javaguide.cn/ai/agent/skills.html)：理解 Skills 的触发方式、延迟加载、渐进式披露和工程边界。 - [什么是 Model Context Protocol (MCP)？和 Function Calling、Agent 什么关系？](https://javaguide.cn/ai/agent/mcp.html)：MCP 的 Host、Client、Server、Tools、Resources、Prompts 分别做什么。 - [一文搞懂 Harness Engineering：六层架构、上下文管理与一线团队实战](https://javaguide.cn/ai/agent/harness-engineering.html)：看 Agent 外面那层工程外壳怎么管上下文、工具、状态、评测和安全。 - [AI 工作流中的 Workflow、Graph 与 Loop：从概念到实现](https://javaguide.cn/ai/agent/workflow-graph-loop.html)：用工作流、图和循环把 Agent 的不确定性关进可控边界里。 - [多 Agent 协作系统设计：任务拆分、状态共享、冲突处理与失败恢复](https://javaguide.cn/ai/agent/multi-agent.html)：任务拆分、编排通信、状态共享、冲突处理、失败恢复与协作评测。 - [Loop Engineering 是什么？为什么说它是新瓶装旧酒？](https://javaguide.cn/ai/agent/loop-engineering.html)：理解代码 Agent 外层循环的触发、上下文、验证、状态和停止条件。 ## RAG（检索增强生成） - [RAG 专题](https://javaguide.cn/ai/rag/)：围绕企业知识库问答，梳理文档处理、向量数据库、GraphRAG、检索优化和知识库更新。 - [万字详解 RAG 基础概念](https://javaguide.cn/ai/rag/rag-basis.html)：RAG 是什么，为什么需要它，和长上下文、微调、传统搜索怎么选。 - [RAG 文档处理与切分策略：从解析、清洗、Chunking 到多模态内容处理](https://javaguide.cn/ai/rag/rag-document-processing.html)：RAG 效果上限经常卡在文档处理，PDF、表格、图片、Chunking 都要处理好。 - [万字详解 RAG 向量索引算法和向量数据库](https://javaguide.cn/ai/rag/rag-vector-store.html)：HNSW、IVFFLAT、pgvector、Milvus、Elasticsearch 等怎么选。 - [RAG 知识库文档如何更新：增量更新、版本控制、去重与全量重建](https://javaguide.cn/ai/rag/rag-knowledge-update.html)：文档变更后怎么同步、去重、回滚、灰度和监控。 - [万字详解 GraphRAG：为什么只靠向量检索撑不起复杂知识问答](https://javaguide.cn/ai/rag/graphrag.html)：实体、关系、社区发现、局部检索、全局检索和 Text2Cypher。 - [万字详解 RAG 优化：从召回、重排到上下文工程的系统调优](https://javaguide.cn/ai/rag/rag-optimization.html)：Query Rewrite、Hybrid Search、Rerank、上下文压缩、失败样本定位。 - [RAG 评测：从离线数据集到线上可观测性](https://javaguide.cn/ai/rag/rag-evaluation.html)：构建评测集，分别检查检索、生成和拒答质量，并结合版本比较与线上观测指导优化。 ## AI 系统设计 - [AI 系统设计专题](https://javaguide.cn/ai/system-design/)：把 Prompt Demo 放进真实后端系统里看，重点关注架构、模型网关、语音链路、可观测、评测和安全治理。 - [AI 应用系统设计：从 Prompt Demo 到生产级架构](https://javaguide.cn/ai/system-design/ai-application-architecture.html)：把 Prompt Demo 放进真实业务系统，补齐 Prompt 管理、模型网关、RAG、Memory、Tool、评测和安全。 - [大模型网关详解：多模型路由、fallback、限流与成本控制](https://javaguide.cn/ai/system-design/llm-gateway.html)：多供应商适配、模型路由、fallback、限流配额、Token 预算、成本归因和审计。 - [AI 语音技术详解：从 ASR、TTS 到实时语音 Agent 的工程化落地](https://javaguide.cn/ai/system-design/ai-voice.html)：ASR、TTS、VAD、打断处理、低延迟优化和实时语音 Agent。 - [AI 可观测性与 Trace：如何还原 Agent 的完整执行过程](https://javaguide.cn/ai/system-design/ai-observability.html)：通过 Trace 和 Span 还原 Agent 执行过程，处理上下文传播、采样和敏感数据。 - [LLM/Agent 安全实战：从 Prompt Injection、工具越权到沙箱隔离](https://javaguide.cn/ai/system-design/llm-security.html)：覆盖 Prompt Injection、工具越权、MCP 授权、敏感数据、沙箱隔离和安全评测。 ## AI 编程实战 - [AI 编程实践指南](https://javaguide.cn/ai-coding/)：系统整理 Claude Code、Codex、AI IDE、CLI Agent、上下文管理和 AI 辅助开发工作流。 - [IDEA + Qoder 插件多场景实战：接口优化与代码重构](https://javaguide.cn/ai-coding/cases/idea-qoder-plugin.html)：JetBrains 用户怎么在 IDEA 里用 AI 做接口优化和代码重构。 - [Trae + MiniMax 多场景实战：Redis 故障排查与跨语言重构](https://javaguide.cn/ai-coding/cases/trae-m2.7.html)：用 Trae 接入大模型，处理 Redis 问题和跨语言改造。 - [Claude Code 接入第三方模型实战：JVM 智能诊断与慢查询治理](https://javaguide.cn/ai-coding/cases/cc-glm5.1.html)：Claude Code 接入 GLM-5.1，做 JVM 诊断和慢 SQL 治理。 - [DeepSeek V4 + Claude Code 实战：代码能力深度测评](https://javaguide.cn/ai-coding/cases/deepseek-v4-claude-code.html)：看 DeepSeek V4 在代码审计、数据库迁移、多模型协作里的表现。 - [MiniMax M3 + Claude Code 实战：Redis 故障排查、SCAN 算法复刻与监控面板搭建](https://javaguide.cn/ai-coding/cases/cc-m3.html)：用长上下文和编码模型处理更完整的工程任务。 - [IDEA 爽用 Claude Code 和 Codex 的终极方案，很丝滑！](https://javaguide.cn/ai-coding/project/cc-guide.html)：JetBrains 里接 Claude Code / Codex GUI 的实践。 - [Kimi K3 实战：全栈项目、Java 项目改造与 3A 游戏 Demo](https://javaguide.cn/ai-coding/cases/kimi-k3.html)：通过全栈热点追踪系统、Java 项目改造和游戏 Demo，观察长程任务与复杂工程交付表现。 ## AI 编程技巧 - [Vibe Coding 实用技巧总结：Git、Spec、上下文管理与多 Agent 协作](https://javaguide.cn/ai-coding/practices/the-cool-tricks-for-vibe-coding.html)：从 Git、Spec、上下文、任务拆分和多 Agent 协作几个角度讲怎么少踩坑。 - [Claude Code 使用指南：配置、工作流与进阶技巧](https://javaguide.cn/ai-coding/practices/claudecode-tips.html)：Claude Code 的配置、常用工作流、Sub-Agent、多实例协作和上下文管理。 - [CLAUDE.md 最佳实践：该写什么、不该写什么、项目变大后怎么拆](https://javaguide.cn/ai-coding/practices/claude-md-best-practices.html)：把项目规则写给 AI 看，避免每次都从零解释仓库。 - [Claude Code 核心命令详解：simplify、code-review、loop、batch、run、verify](https://javaguide.cn/ai-coding/practices/claudecode-commands.html)：常用命令怎么用，适合哪些任务，边界在哪里。 - [AI 编程必备 Skills 推荐：TDD、代码审查与网页自动化实战](https://javaguide.cn/ai-coding/practices/programmer-essential-skills.html)：推荐一批能直接改善 AI 编程体验的 Skills。 - [Codex 使用指南：配置、AGENTS.md 与 Agentic 工作流](https://javaguide.cn/ai-coding/practices/codex-best-practices.html)：Codex 的配置、AGENTS.md、任务拆解、验证和安全边界。 - [AI 编程选 CLI 还是 IDE？一文帮你彻底搞清楚](https://javaguide.cn/ai-coding/practices/cli-vs-ide.html)：Claude Code、Codex、Cursor、Trae、Qoder 这类工具怎么选。 - [Claude Code Agent View：多会话并行管理实战](https://javaguide.cn/ai-coding/practices/claudecode-agentview.html)：多个 Agent 会话并行时，怎么管理状态、权限确认和任务进度。 - [10 道 AI 编程相关的开放性面试问题](https://javaguide.cn/ai-coding/practices/ai-ide.html)：Cursor、Claude Code、Skills、Spec Coding、AI 对开发工作的影响等问题。 - [Spec Coding 规范驱动编程实战：从 Vibe Coding 到 AI 代码规范](https://javaguide.cn/ai-coding/practices/spec-coding.html)：用 Spec 把需求、约束、验收标准写清楚，再让 AI 动手。 - [比 iTerm2 更适合 Claude Code/Codex 的终端，我换成 Ghostty 了](https://javaguide.cn/ai-coding/practices/ghostty.html)：配置字体主题、分屏、Quick Terminal 和 Shell Integration，搭好 CLI Agent 的终端工作台。 - [oh-my-pi 开源终端 AI 编码代理体验](https://javaguide.cn/ai-coding/practices/oh-my-pi.html)：了解 Hashline、LSP/DAP、内置工具、多模型路由和安装配置。 - [强模型时代，AI 编程 Skills 还有必要装吗？](https://javaguide.cn/ai-coding/practices/skill-selection-and-pruning.html)：结合实际使用判断哪些 Skill 值得保留，以及如何精简 Skill 列表。 - [mattpocock/skills：我最推荐的 4 个 AI 编程 Skill](https://javaguide.cn/ai-coding/practices/mattpocock-skills.html)：结合案例介绍 grilling、research、diagnosing-bugs 和 code-review 的适用场景。 - [JavaGuide 专属 draw.io 绘图 Skill 开源：用 Agent 自动生成可编辑的 draw.io 技术图](https://javaguide.cn/ai-coding/practices/drawio-chart-skill.html)：用 Agent 生成可编辑的流程图、架构图和模块关系图，保留可维护的 draw.io 源文件。 ## Claude Code 原理进阶 - [Claude Code 上下文管理详解：窗口预算、压缩与长任务治理](https://javaguide.cn/ai-coding/principles/claude-code-context-management.html)：窗口预算、Context Rot、渐进式压缩、Sub-agent 隔离与长任务状态管理。 - [Claude Code 记忆系统详解：Markdown、Auto Memory 与向量检索怎么选](https://javaguide.cn/ai-coding/principles/claude-code-memory.html)：梳理 CLAUDE.md、规则文件、Auto Memory、Subagent Memory 和第三方记忆插件的分工。 - [Claude Code Skills 技术实现细节与运行方式](https://javaguide.cn/ai-coding/principles/claude-code-skills.html)：理解 Skills 的文件结构、发现加载、动态上下文、安全限制和 Subagent 配合方式。 - [Claude Code Hooks 详解：生命周期钩子与自动化工作流](https://javaguide.cn/ai-coding/principles/claude-code-hooks.html)：通过生命周期钩子实现风险拦截、自动格式化、通知与可审计的自动化工作流。 - [Claude Code Multi-Agent 机制详解：Subagent、Subtask、Fork 与 Agent Teams](https://javaguide.cn/ai-coding/principles/claude-code-multi-agent.html)：区分 Subagent、Subtask、Fork 与 Agent Teams，理解上下文隔离、权限回流和协作成本。

Cargando el README del repositorio…

Skills en este repositorio

Desarrolladores de software

1 categorías ocupacionales · 100% clasificado

skill

ocupación

descripción

actualizado

drawio-chart

Desarrolladores de software

Draw.io 配图专家：用于生成和导出 `.drawio` 图表。在用户要求 draw.io、diagrams.net、流程图、架构图、时序图、ER 图、状态图、思维导图，或明确提到 `.drawio`、PNG、SVG、PDF 导出、技术文章配图时使用。默认输出专业技术风格，并遵循 floracat-architecture-diagram 的视觉规范。

Idioma del texto original: chino

2026-07-07

java-coding-standards

Desarrolladores de software

Java/Spring Boot 编码规范：用于编写、审查、重构和讲解 Java 代码。适用于 Java 风格、Spring Boot 架构、Controller/Service/Manager/DAO 分层、API 边界、Entity/VO/Form/DTO/BO 设计、MyBatis/MyBatis-Plus 持久化、事务、异常、日志、安全、性能、测试和 Java 代码评审等场景。默认结合 Google Java Style 与 Spring Boot 最佳实践，同时允许仓库内的…

Idioma del texto original: chino

2026-07-02

Mostrando 2 de 2 skills recopiladas.