41 lines
1.3 KiB
Plaintext
41 lines
1.3 KiB
Plaintext
---
|
||
title: "为什么写这份白皮书"
|
||
description: "将 LLM 能力落地到真实工作流的工程范本"
|
||
---
|
||
|
||
{/* 本章目标：解释为什么这个项目的架构值得深入研究 */}
|
||
|
||
## 不只是一个聊天工具
|
||
|
||
Claude Code 解决的核心问题是：**如何让大语言模型从"能说会道"变成"能说会做"**。
|
||
|
||
这不是简单地给 AI 套一个 shell。它涉及一系列精巧的工程决策：
|
||
|
||
- AI 说"我要编辑这个文件"时，如何确保安全？
|
||
- 对话越来越长，token 快爆了怎么办？
|
||
- AI 需要并行处理多个子任务时，如何隔离和协调？
|
||
- 用户想扩展 AI 的能力（接数据库、连 API），如何设计插拔机制？
|
||
|
||
## 这份白皮书关注什么
|
||
|
||
<CardGroup cols={2}>
|
||
<Card title="功能视角" icon="eye">
|
||
不堆代码，从"用户能做什么、AI 如何决策"出发
|
||
</Card>
|
||
<Card title="设计决策" icon="lightbulb">
|
||
每个功能背后的"为什么这样设计"
|
||
</Card>
|
||
<Card title="架构模式" icon="sitemap">
|
||
可复用的模式：Agentic Loop、工具抽象、上下文工程
|
||
</Card>
|
||
<Card title="安全哲学" icon="shield">
|
||
AI 操作真实环境时的信任与控制平衡
|
||
</Card>
|
||
</CardGroup>
|
||
|
||
## 适合谁读
|
||
|
||
- 想理解 AI Agent 产品架构的开发者
|
||
- 正在构建类似工具的团队
|
||
- 对 LLM 应用工程化感兴趣的任何人
|