| 12345678910111213141516171819202122232425262728293031323334353637383940 |
- ---
- 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
|
