Claude Code 使用经验分享:Plan 模式与 Agent 变更预算的实战配置

1. 为什么 Claude Code 在真实项目里总“跑偏”

Claude Code 是 Anthropic 推出的终端 AI 编程助手,能读代码、改文件、跑命令,适合已经有一定工程规范、希望把 AI 真正嵌进开发流程的团队和个人。但很多人第一次用会发现:单文件小脚本它表现惊艳,一旦放进真实项目,问题就来了——它改 A 模块,B 模块悄悄挂了;你只想修一行 Bug,它顺手重构了 200 行;编译通过它就宣布“完成”,业务逻辑对不对它不管。

我踩过的坑基本集中在三件事上:变更范围失控、缺少影响分析、自己写自己审。这三个问题不解决,Claude Code 就只能当玩具。而解决它们的抓手,恰好就是 Plan 模式和 Agent 变更预算这两套机制。

Plan 模式的核心是:在动手改代码之前,先让 Claude Code 输出一份完整的执行计划,包括要改哪些文件、依赖哪些模块、直接影响和间接影响分别是什么。你审完这份计划再放行,它才开始写代码。变更预算则是给这次任务设一个硬上限——最多改几个文件、最多动多少行,超了就必须停下来等你确认。

这篇文章我会把这两套机制落到可复制的 settings.json 配置上,再走一遍从规划到落地的完整任务验证,最后说明怎么把 endpoint 切到 TaoToken 的统一 Key 通道,让整个流程稳定复现。适合已经在用 Claude Code、但被“隐性破坏”折磨过的开发者。

2. 前置准备:把 Claude Code 接到 TaoToken 统一 Key 通道

在讲 Plan 模式和变更预算之前,得先把接入这步做扎实。Claude Code 默认走 Anthropic 官方 endpoint,但很多团队希望统一走一个 Key 通道,方便做额度管理、日志审计和多模型切换。TaoToken 提供的就是这样一个统一入口,官网在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ,API 地址是 https://taotoken.net/api 。

接入需要三件套:Base URL、API Key、Model ID。这三样缺一不可,后面所有配置都围绕它们展开。

先说 Key 怎么拿。登录后在控制台创建 API Key,地址是 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite 。创建时建议按项目或按人分配,不要所有人共用一个 Key,否则出问题没法定位是谁的调用。拿到 Key 后先存到环境变量里,别硬编码进配置文件:

export TAOTOKEN_API_KEY="sk-你的key"

然后是 Base URL。Claude Code 走的是 Anthropic 兼容协议,所以 Base URL 填 https://taotoken.net/api,注意这里不加任何 UTM 参数,保持干净。Model ID 根据你实际要用的模型填,比如 claude-sonnet-4-5 这类标识,具体以控制台模型列表为准。

如果你用的是 Claude Code 的官方 CLI,它读取的是 ~/.claude/settings.json;如果你用的是 CC Switch 这类多配置切换工具,那配置会落在它自己的 profile 文件里。不管哪种,核心三件套是一样的。我建议先在模型对话页面确认 Key 能正常调通,地址是 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite ,能正常返回再往 Claude Code 里配,避免把网络问题和配置问题混在一起排查。

这一步做完,你就有了一条稳定的统一 Key 通道。接下来 Plan 模式和变更预算的所有配置,都建立在这条通道之上。为什么要先做这步?因为 Plan 模式会频繁发起多轮请求(分析、规划、确认),如果 Key 通道不稳定,规划阶段就断了,后面的预算控制根本无从谈起。

3. 可复制配置:settings.json 里的 Plan 模式与变更预算

这一节是全文的核心,直接给可复制的配置片段。Claude Code 的配置分两层:一层是 ~/.claude/settings.json 全局配置,管 endpoint、Key、模型;另一层是项目根目录的 .claude.md,管项目级的规则约束,包括变更预算和 Plan 模式的行为约定。

先看全局 settings.json。路径是 ~/.claude/settings.json,内容如下:

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://taotoken.net/api",
    "ANTHROPIC_API_KEY": "sk-你的key",
    "ANTHROPIC_MODEL": "claude-sonnet-4-5"
  },
  "permissions": {
    "allow": [
      "Read",
      "Edit",
      "Bash(git diff:*)",
      "Bash(git status:*)"
    ],
    "deny": [
      "Bash(rm -rf:*)",
      "Bash(git push:*)"
    ]
  }
}

这里 ANTHROPIC_BASE_URL 指向 TaoToken 的 API 地址,ANTHROPIC_API_KEY 填你创建的 Key,ANTHROPIC_MODEL 填 Model ID。三件套齐了。permissions 里我把 git push 和 rm -rf 放进 deny,防止 Agent 在预算失控时做出不可逆操作。

再看项目级的 .claude.md,放在项目根目录。这个文件是 Claude Code 每次启动都会读的“项目宪法”,Plan 模式和变更预算的规则都写在这里:

# 项目约束

## Plan 模式
- 任何涉及 2 个以上文件的修改,必须先输出 Plan,等待确认后再执行
- Plan 必须包含:功能范围、代码范围、依赖关系、直接影响、间接影响、回归测试项
- Plan 未确认前,禁止调用 Edit 和 Write

## 变更预算
- 单次任务最多修改 5 个文件
- 单次任务最多变更 100 行代码
- 涉及 /src/core/ 或 /src/auth/ 时,预算减半(2 文件 / 50 行)
- 超出预算必须停止,输出当前 diff 并等待人工确认

## 高风险区域(修改需审批)
- /src/core/**
- /src/database/queryBuilder.ts
- /src/auth/middleware.ts
- /src/shared/utils.ts

## 测试要求
- 功能测试:覆盖正常流程 + 异常流程 + 边界条件
- 回归测试:基于 Plan 中的影响分析选择范围
- 核心闭环:从用户入口到最终结果的端到端验证

这份 .claude.md 是整套机制的骨架。Plan 模式负责“想清楚再动手”,变更预算负责“动手时别越界”,高风险区域负责“承重墙别乱碰”,测试要求负责“改完别只看编译通过”。

如果你用 CC Switch 管理多套配置,那三件套要写进它的 profile 里,字段名可能是 baseUrl、apiKey、model,但值不变:Base URL 是 https://taotoken.net/api,Key 是你的 Key,Model ID 是模型标识。Cline 的 MCP 配置同理,在 MCP server 的 env 里填这三个值。Codex 的 auth.json 则是把 Key 写进 OPENAI_API_KEY 字段,Base URL 走 OPENAI_BASE_URL。不管哪个工具,记住三件套必须完整,少一个都会报 401 或连接失败。

配置写完后,用 claude 启动,输入 /config 确认 endpoint 和模型读对了。这一步别跳过,我见过太多人配置写错路径,结果一直在调官方 endpoint,还以为是 Plan 模式不生效。

4. 完整任务验证:从 Plan 到落地走一遍

配置就绪后,用一个真实任务走一遍完整流程。假设任务是这样:给用户列表接口加一个按注册时间倒序的排序参数,默认按 ID 正序。这个任务不大,但涉及 controller、service、query 三层,正好能验证 Plan 模式和变更预算。

第一步,发起任务时明确要求先出 Plan。在 Claude Code 里输入:

给 /api/users 列表接口增加 sortBy=createdAt 参数,支持倒序,默认保持 ID 正序。
先输出 Plan,不要直接改代码。

Claude Code 会返回一份计划,大致长这样:

## Plan
功能范围:/api/users 列表接口新增排序参数
代码范围:
  - src/controllers/userController.ts
  - src/services/userService.ts
  - src/database/queryBuilder.ts(高风险)
依赖关系:controller -> service -> queryBuilder
直接影响:列表接口返回顺序可变
间接影响:依赖列表顺序的分页逻辑、前端默认渲染顺序
回归测试:分页边界、空列表、默认排序、倒序排序
预计变更:3 文件 / 约 40 行

注意这里它主动标出了 queryBuilder.ts 是高风险区域。按 .claude.md 规则,涉及高风险区域预算减半,也就是 2 文件 / 50 行。当前计划是 3 文件,已经超了。这时候你有两个选择:一是批准这次高风险修改,二是要求它换方案——比如在 service 层做排序,不动 queryBuilder。

我实测下来,让它换方案往往更好。输入:

queryBuilder 是高风险区域,不要改。在 service 层实现排序,重新出 Plan。

它会重新规划,把改动收敛到 controller 和 service 两个文件,预算回到正常范围。确认 Plan 后回复“批准,执行”,它才开始写代码。

执行完成后,用 git diff --stat 看实际变更:

git diff --stat

输出应该类似:

 src/controllers/userController.ts | 12 ++++++++----
 src/services/userService.ts       | 28 ++++++++++++++++++++++------
 2 files changed, 32 insertions(+), 8 deletions(-)

2 文件 32 行,在预算内。接着跑测试。按 .claude.md 的三层测试要求,先跑功能测试:

npm test -- --grep "user list sort"

覆盖默认排序、倒序、空列表、分页边界四个用例。功能测试过了,再跑回归测试,重点验证分页逻辑没被排序影响:

npm test -- --grep "pagination"

最后跑核心闭环,从登录到拉列表到翻页走一遍端到端。三层都绿了,这次变更才算真正落地。

整个流程走下来,你会发现 Plan 模式的价值不在于“多一步确认”,而在于它逼着 Claude Code 在动手前把影响面想清楚。变更预算的价值则在于,当它想“顺手优化”时,有一个硬性数字把它拉回来。这两者配合,才能让 AI 编程助手从“能写代码”变成“能安全地写代码”。

5. 常见报错排查:401、local proxy failed 与 OAuth

配置和流程都对了,实际跑还是会遇到报错。这一节列几个高频错误和排查路径。

401 Unauthorized。最常见的原因是 Key 没读到或写错了。先确认环境变量:

echo $TAOTOKEN_API_KEY

如果为空,说明没 export 成功。如果 settings.json 里写的是 sk-你的key 这种占位符没替换,也会 401。还有一种情况是 Key 创建后没启用,去控制台确认状态是 active。排查顺序:环境变量 -> settings.json 里的值 -> 控制台 Key 状态。

local proxy failed / connection refused。这个报错通常出现在 Base URL 写错或网络不通时。先确认 ANTHROPIC_BASE_URL 是 https://taotoken.net/api,注意结尾不要多加 /v1 或斜杠。然后用 curl 直接测:

curl -X POST https://taotoken.net/api/v1/messages \
  -H "x-api-key: $TAOTOKEN_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{"model":"claude-sonnet-4-5","max_tokens":64,"messages":[{"role":"user","content":"ping"}]}'

能返回内容说明通道正常,报错就在 Claude Code 的配置层。如果 curl 也失败,检查 Key 和 Model ID 是否匹配。

reading choices 相关报错。这个一般出现在响应格式解析阶段,常见于 Model ID 填错或模型不支持当前协议。确认 ANTHROPIC_MODEL 填的是控制台里实际可用的模型标识,别自己拼。如果换了模型还是报,去模型对话页面用同一个 Key 测一下,能通说明是 Claude Code 侧的解析问题,检查版本是否过旧。

OAuth 相关报错。Claude Code 某些版本会走 OAuth 流程,如果你用的是 API Key 模式,需要在配置里明确禁用 OAuth。检查 settings.json 里有没有残留的 OAuth 字段,有就删掉。另外确认没有同时配置官方登录态和 API Key,两者会冲突。

Plan 模式不生效。如果 Claude Code 直接开始改代码,没输出 Plan,先检查 .claude.md 是否在项目根目录、文件名是否正确(注意是 .claude.md 不是 claude.md)。再确认启动时的工作目录就是项目根目录,Claude Code 只读当前目录及子目录的 .claude.md。

变更预算不拦截。如果它改了 10 个文件也没停,说明 .claude.md 里的预算规则没被识别。检查规则写法是否明确,比如“最多修改 5 个文件”要比“尽量少改文件”有效得多。规则越具体,约束力越强。

排查这类问题的通用思路是:先用 curl 确认 Key 通道本身没问题,再逐层往上查配置。把网络问题和配置问题分开,能省一半时间。

6. 把流程固化下来:长期编码与 Agent 协作的落地建议

Plan 模式和变更预算配好之后,真正的挑战是让它长期稳定运行。我的经验是,别指望一次配置就一劳永逸,得把几件事变成习惯。

第一,.claude.md 要随项目演进。每次踩到新的坑,就把规则补进去。比如发现它总爱改某个工具函数,就把那个文件加进高风险区域;发现某类任务总是超预算,就针对那类任务单独设预算。这个文件是活的,不是写完就扔。

第二,Plan 的粒度要控制。太粗的 Plan 没约束力,太细的 Plan 又浪费时间。我的做法是:涉及 2 个以上文件或高风险区域的任务必须出 Plan,单文件小改可以直接执行。这个阈值写在 .claude.md 里,让它自己判断。

第三,变更预算要配合 git 使用。每次任务开始前确保工作区干净,任务结束后用 git diff --stat 核对实际变更。如果超预算,直接 git checkout . 回退重来,别在超预算的 diff 上继续改,那样只会越滚越大。

第四,审查 Agent 和开发 Agent 分开。同一个 Agent 自己写自己审,很难发现结构性问题。可以在 .claude.md 里约定:开发任务完成后,新开一个会话,只给它 diff 和需求描述,让它独立审查。空白上下文能带来“新鲜的眼光”。

如果你团队里多人共用 Claude Code,建议每人一个 TaoToken Key,按人分配额度。这样出问题能定位到人,额度也能单独控制。长期跑编码任务或 Agent 协作的话,Coding Plan 会比按量计费更划算,地址是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite ,适合需要持续调用、任务量稳定的场景。

最后说个实用技巧:把常用的 Plan 模板和预算规则做成 snippet,新项目直接复制 .claude.md,改改高风险区域路径就能用。这样每开一个新项目,不用从零配约束,几分钟就能让 Claude Code 进入受控状态。工具本身不会变,变的是你用它的方式——把规则写清楚,它就是个靠谱的协作者;规则模糊,它就是个爱自由发挥的实习生。

相关推荐

AI编程与个人助手Agent横评:Claude Code、Codex CLI、OpenClaw、Hermes Agent配置指南

人工智能Agent技术正从单一对话走向任务自动化,在开发与办公场景中加速落地。围绕“编程型Agent”与“个人助手型Agent”两大方向,开发者常面临工具选型困惑:前者以Claude Code和Codex CLI为代表,聚焦代码库内读改测的闭环;后者以OpenClaw和Hermes Agent为代表,侧重IM渠道接入与自主任务规划。理解两者的本质差异,有助于根据需求合理选用。本文梳理了四款热门工具的核心定位、配置流程与典型踩坑点,涵盖飞书机器人接入、WSL2环境验证、终端PATH配置等高频问题,为技术选型和

weixin_34239169的博客 419

Claude Code 使用经验分享

本文总结了使用 Claude Code 编程助手的 6 个核心问题及解决方案:1)业务漂移问题通过建立项目文档档案解决;2)局部正确性导致的全局失控通过 Plan 模式进行完整影响分析;3)无法识别关键代码通过标注高风险区域和前置审批解决;4)过度重构问题通过设定变更预算控制;5)功能验证不足问题通过建立三层测试体系保障;6)自我审查盲区通过创建独立审查 Agent 解决。文章强调要理性看待 AI 编程助手,通过流程机制而非感性信任来确保开发质量,建议建立文档约束、变更控制、测试验证等多重防线,让 AI 在

m0_66840483的博客 208

AI编程助手深度对比:Codex与Claude Code的核心差异与实战指南

最近在技术社区里,经常能看到“小龙虾”、“Codex”、“Claude Code”这些词被开发者挂在嘴边。如果你刚接触这些概念,可能会一头雾水:它们到底是新的编程语言、框架,还是某种神秘的开发工具?为什么大家都在讨论?更重要的是,它们能解决我写代码时的哪些实际问题? 简单来说, Codex 和 Claude Code 是目前最受关注的两款 AI 编程助手(Agent),它们正在从根本上改变开发者与代码的交互方式 。它们不再是简单的代码补全工具,而是能理解复杂上下文、执行多步骤任务、甚至自主调用外部工具的“编

weixin_30599769的博客 516

用 Claude Code 搭建 Dependency Sweeper 循环:Claude Code 依赖清理 Loop 实战指南

> **本文导读**:本文围绕 `examples/claude-code/dependency-sweeper.md` 中给出的 Claude Code 依赖清扫循环(Dependency Sweeper Loop)展开,结合 loop-engineering 仓库的 `patterns/dependency-sweeper.md` 模式文档、`minimal-fix` / `loop-veri

gitblog_00979的博客 754

AI编程Agent深度评测:Claude Code、Codex、OpenCode与Work Buddy选型指南

AI编程Agent正在改变开发者与代码的交互方式,它不再是一个问答窗口,而是能自主规划步骤、调用工具、读写文件并执行验证的自动化执行器。其核心原理在于将复杂任务拆解为可执行的子任务,通过模型推理与工具调用的闭环实现端到端开发。这种技术价值体现在大幅降低多文件联动的上下文切换成本,尤其适用于仓库级重构、跨模块改造、以及本地化离线开发等场景。在实际工程中,工具选型与配置往往比模型能力更影响效率,例如Claude Code接入Ollama本地模型时需要协议转换,Codex在切换模型时可能出现'model is n

weixin_34342992的博客 463

Cursor、TRAE与Claude Code本质区别:增强键盘 vs 工程代理

AI编程工具已从基础代码补全演进为软件工程智能代理。理解‘代码补全’与‘任务规划’的本质差异,是合理选型的前提:前者依赖实时上下文感知与低延迟响应,适用于日常开发中的毛细血管级操作;后者基于目标驱动的系统性推理,需完整项目理解与多步执行能力,适用于架构重构、跨模块迁移等动脉级任务。Claude Code通过MCP协议和Skills技能体系实现工程级自动化,而Cursor/TRAE则聚焦编辑器内语义化补全。掌握这一范式分野,才能避免将AI当作万能钥匙,真正释放其在真实项目交付中的技术价值。

weixin_34087307的博客 404

gsd-core 技能配置文件模型:用 --profile 精确控制 Claude Code 技能预算

GSD(Git. Ship. Done)在 PR #3408 中引入了一套**类型化的命名安装配置文件模型**(`core` / `standard` / `full`),用于解决"技能描述在上下文窗口中占用过高系统提示词预算"的问题。本文以该 changeset 为核心骨架,结合仓库源码([install-profiles.cts](https://link.gitcode.com/i/4bd4

gitblog_01096的博客 419

AI编程工具实战变现指南:Cursor、Claude Code与Kimi Code的商业落地路径

AI编程工具已从辅助编码演进为软件交付的核心生产力组件。理解其底层原理——如Cursor的Agent工作流与上下文记忆、Claude Code的长上下文推理与规则反编译能力、Kimi Code的中文语义锚定与垂直术语映射——是释放技术价值的前提。这类工具的技术价值不在于代码生成速度,而在于降低需求澄清成本、提升遗留系统重构确定性、保障政企项目语义一致性。典型应用场景包括AI增强型需求澄清、遗留系统渐进式重构、垂直领域工具包产品化等。本文聚焦真实商业闭环,结合Cursor、Claude Code和Kimi C

weixin_33871366的博客 363

Cherry Studio Work Agent 压缩窗口跟随模型上下文:Claude Code autoCompactWindow 的实现与边界

本文基于 CherryHQ/cherry-studio 仓库中 [2026-08-02-agent-auto-compaction-window.md](https://link.gitcode.com/i/b401ec4696a5107c4e27104ecef284ac) 这一变更记录展开,介绍 Work Agent(基于 Claude Code 的 Agent 会话运行时)如何把自动压缩(au

gitblog_00252的博客 206

Trae Solo vs Claude Code:AI 编程范式迁移的架构本质

AI 编程工具已从基础代码补全迈入智能体(Agent)协同新阶段。其核心差异不在界面或功能表象,而在于底层架构设计——是构建本地可控、语义理解的运行时(如 Trae Solo 的 WASI Agent 与 Nexus Graph),还是依赖云端服务、文本拼接的代理模式(如 Claude Code)。这种分野直接决定上下文质量、Agent 可靠性、CI/CD 集成能力与企业级安全合规水平。对开发者而言,选择本质是选择‘人机协作契约’:移交控制权以换取深度系统理解,或保留主权但承担协调成本。本文聚焦 Agent

weixin_34296641的博客 427

AI编程助手Codex与Claude Code深度对比:从原理到实战选型指南

最近在技术社区和开发者社群里,经常看到“小龙虾”、“Codex”、“Claude Code”这些词被大家挂在嘴边。对于刚入门的新手来说,这些名词可能既熟悉又陌生,感觉大家都在用,但具体是什么、怎么用、有什么区别,却一头雾水。如果你也好奇这些“网红”工具到底是什么,以及它们如何改变我们的开发方式,那么这篇文章就是为你准备的。 本文将为你彻底拆解 Codex 和 Claude Code 这两个当前最热门的 AI 编程助手。我们不会停留在表面的概念介绍,而是会深入它们的核心原理、使用方式、优缺点对比,并手把手带你

weixin_33913332的博客 561

OpenCore Legacy Patcher 完整指南:四步让老 Mac 装起 macOS Big Sur 到 Tahoe

OpenCore Legacy Patcher(OCLP)是一个 Python 开源项目,用 OpenCore 引导加内核补丁,让 Apple 已停止支持的 Intel 老 Mac 重新装起 macOS Big Sur 到 Tahoe。这份指南带你走完 4 个阶段,完成后你的老 Mac 就能带图形加速跑新系统,全程约 30~60 分钟。机器是 Apple Silicon 或机型不在支持列表里的,不

gitblog_00296的博客 771

关于AI开发方法论-以文档为索引的高质量协作开发:让一次现象描述精准命中几个代码块

对AI的编码规范进行约束

idea-claude-code-gui 集成指南:Claude Agent SDK(TypeScript)完整 API 参考与实战剖析

> 本文以 Claude Code TypeScript Agent SDK 的官方 API 参考为主线,结合 idea-claude-code-gui 开源仓库中 [ai-bridge](https://link.gitcode.com/i/45c8e9a309e973d3f8d9c6fa3e4e93bf) 的实际集成实现,系统讲解 SDK 的安装、核心函数、Options 配置、Query 控

gitblog_00561的博客 241

大厂嵌入式面试常考八股文及算法

1.指向已被释放或无效的内存地址的指针是野指针。互斥锁是一种用于线程同步的机制,用于确保同一时间只有一个线程访问共享资源。多态是面向对象编程中的一种特性,它允许以一种统一的方式处理不同类型的对象,通过相同的接口可以表现出不同的行为。大小端(Endian)指的是在计算机存储和处理多字节数据时,字节的存储顺序。大端序(Big Endian):高位字节存储在低地址,低位字节存储在高地址。类似于将数字的高位放在左边,低位放在右边的表示方式。例如整数值0x12345678在内存中按照大端序排列为。

谢谢大家的关注 6152

USB 3.0 高清音视频采集芯片——MS2130

MS2130 是一款 USB 3.0 高清视频和音频采集芯片,内部集成 USB3.0 Device 控制器、数据收发模块、音视频处理模块。

YOU_SeMi的博客 7857

Claude Code 接入 VS Code 完整指南:安装、配置与排错

AI编程助手正逐渐成为开发者日常效率提升的重要工具,其核心原理是通过命令行接口(CLI)与编辑器扩展协同工作:CLI负责解析项目上下文、执行读写与命令调用,扩展则提供图形化的交互界面。这种架构让开发者无需离开编辑器即可完成代码理解、重构和任务自动化,在遗留项目梳理、边界明确的代码生成以及提交前自动检查等场景中表现出显著价值。对于正在摸索高效开发流程的工程师而言,掌握一款主流AI助手的完整配置链路十分必要。本文聚焦 Claude Code 在 VS Code 中的安装与配置,覆盖从Node环境预检、npm全局

weixin_34391445的博客 222

fMRI脑影像特征提取——静息态与任务态,ALFF/fALFF和ReHo(Dpabi,Rest1.8)

任务态和静息态是大脑的两种状态,前者主要是指大脑在执行记忆、识别以及运动等具体任务时的状态,静息态则是指大脑不执行具体认知任务、保持安静、放松、清醒时的状态,是大脑所处的各种复杂状态中最基础和最本质的状态。任务态fMRI分析有非常悠远的历史,而静息态fMRI自1995年biswal教授及其同事率先报告静息态fMRI具有生理意义后,越来越多的人进入了静息态的研究领域。任务态fMRI主流的分析方法是模型驱动(GLM+HRF),也可以引用静息态fMRI

意疏的学习笔记 6万+

StashBase三大Agent对比指南:Claude、Codex与免费Default Agent,新手到底该怎么选?

StashBase 是一款开源、本地优先的 AI 写作工作区,内置 Claude、Codex 和 Default 三大 Agent,让你的文章始终基于自己的素材与过往作品来生成。对新手来说,最大的困惑莫过于:这三个 Agent 到底有什么区别?要不要花钱?该从哪个入手?本文将用一张对比表加三套场景化建议,帮你 5 分钟做出选择。 [![StashBase 写作工作区界面:Agent 修改文档后展

gitblog_00449的博客 598

机器视觉中的特征提取【0】:什么是特征提取,特征提取有什么作用?

1.什么是特征提取? 特征提取的英文叫做feature extractor,它是将一些原始的输入的数据维度减少或者将原始的特征进行重新组合以便于后续的使用。简单来说有两个作用:减少数据维度,整理已有的数据特征。 这里我给一个例子来解释特征提取的第二个作用。那就是我们很熟悉的奖学金评定,我们知道学生的文化课成绩,道德分数,以及各种其他竞赛的成绩。摆在奖学金评定委员会面前的任务就是如何知道一个学生是否...

月下花弄影 5万+

深度学习入门:一文详解BP神经网络

在BP神经网络中,输入层和输出层的节点个数都是确定的,而隐含层节点个数不确定,那么应该设置为多少。实际上,隐含层节点个数的多少对神经网络的性能是有影响的,有一个经验公式可以确定隐含层。上面是对隐含层和输出层之间的权值和输出层的阀值计算调整量,而针对输入层和隐含层和隐含层的阀值调。在BP神经网络中,输入层节点没有阀值。神经网络,神经网络在机器学习中应用比较广泛,比如函数逼近,模式识别,分类,数据压缩,数据。要求输入模式要有足够的随机性,对输入模式的噪声比较敏感,即对于剧烈变化的输入模式,训。

Machine Learning with Tutors 4万+

Claude Code 的 Agent 工具深度解析:何时启动子代理(Subagent)的决策模型与实战指南

本文聚焦 Claude Code 系统提示词(system prompt)中 **Agent 工具的使用决策**——即"何时、以何种方式启动子代理(subagent)"这一核心问题。在 Claude Code 的架构中,Agent 工具是主会话(coordinator)派发专用子进程处理复杂多步任务的唯一入口,其底层行为由本仓库 `system-prompts/` 下的一组模板化提示词文件精确控制

gitblog_00790的博客 197

FPGA 学习笔记:Vivado 2020.2 MicroBlaze MIG 测试 DDR3 篇四

FPGA 学习笔记:Vivado 2020.2 MicroBlaze MIG 测试 DDR3 篇四

坚韧与专注 2159

JustJoin 详情补全实战:freehire 中 HydratingSource 按需抓取职位正文的完整设计

本文以 freehire 仓库中归档变更 `2026-07-10-justjoin-detail-hydration` 的任务清单为主线,拆解一个真实工程问题:**当聚合站的列表接口不携带职位正文时,如何在不放大抓取成本的前提下,为新职位补全描述并保留已入库职位的正文**。读完后你将掌握 freehire 的 `HydratingSource` 可选能力、按 provider 维度的 seen-s

gitblog_00152的博客 1062

(十一)随机性与独立性回顾

随机性与独立性回顾

旺旺的碎冰冰~的博客 1016

Linux驱动学习--HCI框架及源码分析

目录 一、引言 二、HCI框架 三、pcm_read简要分析 一、引言 最近一直在分析蓝牙驱动,发现在底层驱动与上层协议栈间还有一层HCI,主机控制层,两者之间通过HCI协议通讯 而Linux也将HCI协议抽象层了一个框架。 为上层提供一个统一的接口,让上层协议不依赖于具体硬件的实现。HCI在硬件中的固件与HCI在主机端的驱动通信方式有多种,比如像 UART、USB和PC Card等等。hci_core.c相当于一个框架,用于把各种具体通信方式绞合起来,并提供一些公共函数的实现。 今天就来简单的分析一下 二

文艺小少年的博客 2002
上一篇: CLAUDE.md做什么用的?从Claude Code到AI Agent的项目记忆配置指南
下一篇: GPT-5.6 开发者实战指南:三档模型分层调度与 Agent 成本治理
jetraven12
博客等级 码龄1天 0粉丝 4128原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JetRaven12

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值