守株阁

JSONC 是什么？ JSONC（JSON with Comments）是 JSON 的一个扩展格式，允许在 JSON 数据中添加注释。这个规范由 jsonc.org 定义，旨在形式化一种在实践中广泛使用但缺乏正式标准的格式。 起源与背景 JSONC 格式最初由微软非正式地引入，用于 VS Code 的配置文件，包括： settings.json - 编辑器设置 launch.json - 调试配置 tasks.json - 任务配置 伴随着这种非正式格式，微软发布了一个公开可用的解析器 jsonc-parser。JSONC 规范的目标是将 JSONC 格式形式化，定义 jsonc-parser 在默认配置下认为有效的内容。 语法规则 JSONC 遵循与 JSON 相同的语法规则，并额外支持 JavaScript 风格的注释。 单行注释 单行注释以 // 开始，延伸到行尾： 12345{ // 这是单行注释 "name": "John Doe", "age": 30} 多行注释 多行注释以 ...

归档说明：原文按文件名划分 AGENTS.md、CLAUDE.md、rules/ 与 OpenSpec，部分工具归因和优先级已经过时。稳定的时态分类、载体边界和组合方法已迁入新文章；本页保留原 URL 作为迁移索引。 配置文件不宜只按扩展名分类。更可靠的坐标系包含五类组件：内容源、选择器、上下文装配器、执行器和生命周期管理器。AGENTS.md 与 CLAUDE.md 是项目指令载体，Rules 负责作用域选择，Skill 是可调用能力包，OpenSpec 管理需求与变更状态；各工具对目录、优先级和动态加载的支持需要分别核验。 内容迁移表 原文主题 当前专题 文件、组件、作用域、装配顺序与时态分类 AI Coding Agent 的上下文栈：组件边界与装配顺序 Rules、Commands、Skills、Hooks、Plugins 的演变 从 Rules 到 Agent Skills：能力加载机制的演变 AGENTS.md 的内容边界、骨架与维护 如何写好 AGENTS.md Skill 的目录、路由、正文和恢复 AI Coding Agent 的 ...

QMD：本地智能文档搜索引擎完全指南 引言：你的知识库需要一把钥匙 作为程序员、写作者或知识工作者，我们每天都在产生大量的 Markdown 文档——技术笔记、会议记录、项目文档、博客草稿……这些文档散落在不同的文件夹中，随着时间推移，它们变成了"数字废墟"：你知道某篇笔记一定存在，却怎么也找不到。 传统的文件搜索工具（如 Spotlight、grep）只能基于文件名或关键词匹配，无法理解语义。而云端笔记工具（如 Notion、Obsidian）虽然提供了搜索功能，却存在数据隐私和访问限制的问题。 QMD（Query Markup Documents） 正是为了解决这个痛点而生的——一个完全本地运行的智能文档搜索引擎，它结合了 BM25 全文检索、向量语义搜索和 LLM 重排序，让你能够用自然语言快速找到任何文档中的任何内容。 一、QMD 是什么 QMD 是一个开源的 CLI 工具 + 库，由 @tobi 开发，专为 Markdown 文档设计。它的核心特性包括： 特性 说明 完全本地 所有数据和模型都在本地运行，无需联网 混合搜索 BM2...

LSP：语言服务协议与AI编程助手的代码理解能力 早期的 AI 编程工具，本质上是在做文本替换：把代码当作字符串，在字符串层面做补全、修改、搜索。这种方式有一个根本缺陷——它不理解代码的结构。 一段 Java 代码里，UserService 是一个类，findById 是它的方法，返回类型是 Optional<User>。文本替换工具看到的只是这些字符；而一个真正理解代码的工具，能够知道： findById 的参数类型是 Long，不是 String 调用这个方法的地方有 12 处，分布在 5 个文件里 如果修改了方法签名，哪些调用点会编译失败 这种理解能力，来自 LSP（Language Server Protocol）。 LSP 是什么 LSP 是微软在 2016 年提出的协议（Language Server Protocol 官方规范），目的是把"语言智能"从编辑器中解耦出来。 在 LSP 出现之前，每个编辑器都要为每种语言单独实现代码补全、跳转定义、查找引用等功能。VS Code 要实现一套，Vim 要实现一套，Emacs 要实现一套—...

AI 编程工具的真正价值是什么？不是"让机器替代人"，而是让人工作在更高的抽象层次上。这个认知转变，带出了一系列关于人机协作、Agent 架构设计的思考——也带出了一些值得正视的批判与反思。 一、从 Vibe Coding 到 SDD：一个被误解的问题 2024-2025 年，AI 编程助手的爆发带来了一个新词汇——Vibe Coding（基于感觉的编程）。开发者与 AI 对话，AI 即时生成代码，表面上效率提升显著。 但这里有一个被普遍忽视的根本矛盾： Vibe Coding 优化的是"个人编码效率"，但工程的真正瓶颈是"团队协作效率"。 一个人写代码快 10 倍，但团队沟通成本不变，整体效率提升极为有限。更糟的是，Vibe Coding 在协作层面制造了新的麻烦： PM ↔ 研发：对话历史无法作为契约，验收时各执一词，“这不是我要的” 前端 ↔ 后端：各自 vibe，联调时才发现接口格式对不上，浪费 1-2 天 后端 ↔ 后端：订单服务调用 POST /inventory/deduct，库存服务只有 PUT ...

AI 编程助手 Quest 1.0：把执行交给 AI，把选择留给人类 核心理念：人类“品味”是人机协作的终极壁垒 “品味” ≠ 审美，而是决策力：在众多可行方案中判断“哪个是对的选择”，尤其体现为“选择不做”（如舍弃文件树导航，拒绝向下兼容）。 AI 擅长执行与优化，但缺乏责任意识与经验直觉；人类凭借踩坑记忆、业务理解与后果承担能力，守住质量、边界与必要性底线。 “品味”是未来人类区别于 AI 的核心差异，也是 AI Coding 中 human-in-the-loop 不可替代的价值。 Quest 1.0 的关键升级：为 SOTA 而生，专注"自主编程" 架构定位：专为当前最优（SOTA）大模型（如 Claude Opus/Codex/Gemini）深度优化，不兼容旧模型、不提供模型切换选项，追求 Token 效率与产物质量极致。 交互范式革新： ✅ 舍弃代码导航 → 转向“阅读意图”（Spec/测试/结果），代码降级为“中间产物”； ✅ 对话窗口为主视图 → 降低非专业开发者门槛，同时打破研发者技术栈认知边界（如后端工程师无需懂前端即可驱动前端开发...

Git基础.xmind 初始化命令 配置用户、remote 和 branch 123456789101112131415161718192021222324252627282930313233343536git config --global user.name "magicliang" # 请换成你自己的名字git config --global user.email "magicliang@qq.com" # 请换成你自己的邮箱git config --global push.default simple # 我们要求 Git 版本 1.9.5 以上git config --global core.autocrlf false # 让Git不要管 Windows/Unix 换行符转换的事git config --global --listssh git@gitlab.abcgit initgit add .git commit -m "First commit&qu...

Gradle 完全指南 全景导图 什么是 Gradle Gradle 是新一代的自动化构建工具，基于 Apache Ant 和 Apache Maven 的概念发展而来。与 Maven 使用 XML 配置不同，Gradle 采用基于 Groovy 或 Kotlin 的领域特定语言（DSL）来声明项目配置，大幅简化了构建脚本的复杂度。 核心特点（参考 Gradle 官方文档）： 灵活性：Gradle 的设计理念是"语言优先"而非"框架优先"，提供了高度的可扩展性 性能：支持增量构建、构建缓存、并行执行等优化手段 生态：Android 官方构建工具，拥有丰富的插件生态 兼容性：可以导入 Maven 和 Ivy 仓库，支持迁移现有项目 gradle.xmind 这里的 AIDL 是 Android Interface Definition Language 的意思。Dex 是 Dalvik executable format 的意思。 核心概念 Gradle 是一个自动化构建工具（build automation），通过组织一系...

归档说明：原文是一篇 2,895 行的早期综合文，把 Markdown 载体、Agent Loop、Skill、Memory、Subagent 和 Harness 放在同一条叙事中。相关内容已在 2026-07-17 拆入带事实核验日期的专题文章；本页保留原 URL，作为迁移索引。 原文提出的核心问题仍然成立：一份 Markdown 可以向 Agent 提供指令、知识和工作流，但不能独立构成完整 Agent。文件需要由 Harness 发现和装配，动作需要工具、权限与 sandbox 执行，长会话还需要 compact、外部状态和恢复合同。 内容迁移表 原文主题 当前专题 Markdown、Rules、Skills、Tools、Memory 的组件边界 AI Coding Agent 的上下文栈：组件边界与装配顺序 Agent Loop、Hook、权限、工具结果与停止条件 一次 AI Coding Agent Turn 的上下文生命周期 Skill 的发现、目录、正文加载与 compact 恢复 AI Coding Agent 的 Skill 加载机制深...

JVM 的内存模型与线程 Java 内存模型（Java Memory Model, JMM）定义了多线程环境下共享变量的访问规则，是理解并发编程的基石。本文从硬件架构出发，逐步深入到 JMM 的核心机制与实践模式。 模式总览 # 模式名称 一句话口诀 适用场景 1 写刷读清 写入即刷盘，读取先清空 volatile / unlock 后的可见性 2 顺序锁 同把锁内，串行执行 synchronized 临界区保护 3 偏序传递 A先于B，B先于C，则A先于C happens-before 链式推理 4 不可变安全 构造完成前不逃逸，完成后不修改 final 字段的安全发布 一、从硬件到抽象：为什么需要 JMM 1.1 CPU 架构的性能鸿沟 现代 CPU 的处理速度远超主内存（DRAM）的响应能力。以 Intel Skylake 架构为例： 层级 典型延迟 容量范围 L1 Cache ~4 cycles 32KB L2 Cache ~12 cycles 256KB L3 Cache ~40 cycles 8-32MB ...