# AI

**Repository Path**: itic/ai

## Basic Information

- **Project Name**: AI
- **Description**: 我一定会成为人类历史上最伟大的AI工程师。

- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-25
- **Last Updated**: 2026-03-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI

> AI:人工智能(Artificial Intelligence)，是一个学科领域的统称，目标就是使机器能够像人类一样思考、学
习、推理和解决问题

## AI 大模型

> AI大模型:也称为大语言模型(Large Language Models，LLM)，是AI技术的一个分支。其实就是一个用代码模拟人脑神经网络的程序(参数量极其庞大，通常达到数十亿至数千亿级别)，通过大量的数据训练后，使其具备理解人类语言、思考、推理并输出人类语言的能力。

### AI 大模型部署

1. 本地部署
   ```markdown
    > Ollama是一个在本地运行、管理大语言模型的工具。官网:https://ollama.com/
   ```
2. 官方开放API
3. 云服务平台

### 提示词工程

1. 给大模型设定角色和能力
2. 明确核心请求与任务，按步骤拆解复杂任务
3. 提出要求，明确要求输出格式等

## AI Agent 全景指南

### 1. 什么是 AI Agent?

**AI Agent（人工智能智能体）** 是一种能够**感知环境**、**自主决策**并**执行行动**以实现特定目标的智能系统。

与传统的大语言模型（LLM）仅作为“问答机器”不同，AI Agent 具备**自主性（Autonomy）**。它不仅能理解用户的指令，还能将复杂目标拆解为子任务，主动调用外部工具（如搜索、代码执行、API），并在执行过程中根据反馈进行自我修正，最终独立完成闭环任务。

> **核心公式**：
> **AI Agent = 大语言模型 (大脑) + 规划能力 + 记忆能力 + 工具使用能力**

---

### 2. Agent 概念、原理与构建

#### 核心概念
*   **自主性 (Autonomy)**：无需人类步步指导，能独立决定下一步行动。
*   **反应性 (Reactivity)**：能感知环境变化（如用户新输入、API返回结果）并实时响应。
*   **主动性 (Pro-activeness)**：不仅被动响应，还能为了达成目标主动发起行动。
*   **社会性 (Social Ability)**：多 Agent 之间可以协作、沟通甚至博弈。

#### 工作原理
AI Agent 的工作流通常是一个 **“感知 - 思考 - 行动” (Perceive-Think-Act)** 的循环：
1.  **感知 (Perception)**：接收用户指令或环境数据。
2.  **思考 (Reasoning/Planning)**：LLM 分析当前状态，结合记忆，规划下一步策略。
3.  **行动 (Action)**：调用工具执行具体操作（如搜索网页、运行代码）。
4.  **观察 (Observation)**：获取行动结果，反馈给 LLM。
5.  **循环 (Loop)**：根据结果调整策略，直到任务完成或达到最大步数。

#### 构建流程
1.  **定义目标**：明确 Agent 要解决的具体问题域。
2.  **选择基座模型**：根据任务复杂度选择合适参数的 LLM。
3.  **设计提示词 (Prompt Engineering)**：设定角色、约束和思考框架（如 ReAct）。
4.  **集成工具 (Tool Integration)**：通过 Function Calling 或 API 连接外部能力。
5.  **配置记忆 (Memory Setup)**：搭建向量数据库或上下文管理机制。
6.  **评估与迭代**：测试任务完成率，优化规划逻辑和错误处理机制。

---

### 3. AI Agent 三大核心技术

要让大模型从“聊天”进化为“做事”，主要依赖以下三大技术支柱：

#### 1. 任务规划与分解 (Planning & Decomposition)
*   **作用**：将模糊或复杂的宏观目标（如“开发一个贪吃蛇游戏”）拆解为可执行的微观步骤序列。
*   **关键技术**：
    *   **思维链 (Chain of Thought, CoT)**：引导模型一步步推理。
    *   **树状思维 (Tree of Thoughts, ToT)**：探索多种可能的推理路径并选择最优解。
    *   **反射 (Reflection)**：对已生成的计划进行自我批判和优化。

#### 2. 工具学习与调用 (Tool Learning & Usage)
*   **作用**：赋予 Agent“手和脚”，使其能突破模型内部知识的限制，获取实时信息或执行物理/数字操作。
*   **关键技术**：
    *   **Function Calling / Tool Use**：模型识别意图并生成符合 API 规范的参数（JSON格式）。
    *   **RAG (检索增强生成)**：连接外部知识库，解决幻觉问题。
    *   **Code Interpreter**：让模型编写并执行代码来解决数学、数据分析或可视化问题。

#### 3. 记忆机制 (Memory Mechanism)
*   **作用**：让 Agent 拥有“短期记忆”和“长期记忆”，保持对话连贯性并从历史经验中学习。
*   **关键技术**：
    *   **短期记忆**：基于 Context Window 的对话历史缓存（滑动窗口）。
    *   **长期记忆**：基于向量数据库 (Vector DB) 的语义检索，存储历史交互、用户偏好和领域知识（类似人类的海马体）。
    *   **记忆管理**：包括记忆的写入、检索、更新和遗忘机制。

---

### 4. AI Agent 四大核心组件

一个标准的 AI Agent 架构通常由以下四个核心组件构成：

#### 🧠 1. 规划 (Planning)
*   **定义**：Agent 的“决策中枢”，负责将复杂目标拆解为可执行的子任务序列，并根据执行反馈动态调整计划。
*   **核心功能**：
    *   **任务分解 (Task Decomposition)**：将大问题拆小（例如：`写报告` -> `搜资料` -> `写大纲` -> `填内容` -> `润色`）。
    *   **反思与修正 (Reflection & Refinement)**：检查上一步的结果是否满足预期，若不满足则重新规划。
    *   **多路径探索**：在遇到死胡同时，能够回溯并尝试其他解决方案。

#### 🛠️ 2. 工具 (Tools)
*   **定义**：Agent 的“手脚”，是模型与外部世界交互的接口。
*   **核心功能**：
    *   **搜索类**：Google Search, Bing Search, 维基百科查询。
    *   **计算类**：Python 解释器, 计算器, 代码执行沙箱。
    *   **应用类**：发送邮件, 操作数据库, 调用 API (如天气、股票), 控制智能家居。
    *   **自定义工具**：开发者根据特定业务场景封装的 API。

#### 💾 3. 记忆 (Memory)
*   **定义**：Agent 的“海马体”，用于存储和检索信息，确保任务的连续性和个性化。
*   **分类**：
    *   **短期记忆 (Short-term Memory)**：当前的上下文窗口，包含最近的对话历史和中间思考过程。
    *   **长期记忆 (Long-term Memory)**：存储在向量数据库中的历史经验、用户画像、知识库文档。通过语义相似度检索（RAG）随时调用。
    *   **程序性记忆**：学会的技能或工具使用方法（有时通过微调或Few-shot prompts实现）。

#### 🎯 4. 行动/执行 (Action / Execution)
*   **定义**：将规划好的步骤和选定的工具转化为实际的执行指令，并获取执行结果（Observation）。
*   **核心功能**：
    *   **指令生成**：生成符合工具要求的精确参数。
    *   **结果解析**：将工具返回的原始数据（JSON, HTML, Text）转化为 LLM 可理解的文本描述。
    *   **状态更新**：根据执行结果更新当前任务状态（成功/失败/进行中）。

---

### 5. Agent 技术框架 (设计模式)

为了让 Agent 更高效地工作，研究者提出了多种经典的推理与行动框架：

#### ⚡ ReAct (Reason + Act)
*   **核心理念**：将**推理 (Reasoning)** 和 **行动 (Acting)** 交织在一起。模型在行动前先进行“内心独白”（Thought），解释为什么要采取这个行动，然后执行行动（Action），最后观察结果（Observation），如此循环。
*   **工作流程**：`Thought` -> `Action` -> `Observation` -> `Thought` ... -> `Final Answer`
*   **优点**：透明度高，可解释性强，能通过推理纠正错误。
*   **缺点**：串行执行，速度较慢；如果推理链条过长，容易迷失。

#### 📋 Plan and Execute (规划与执行)
*   **核心理念**：将任务分为两个阶段。首先由一个 LLM（Planner）制定完整的计划列表，然后由另一个 LLM（Executor）逐个执行计划中的步骤。
*   **工作流程**：
    1.  **Plan**: 生成 `[Step 1, Step 2, Step 3]`。
    2.  **Execute**: 依次执行每一步，并将结果反馈。
    3.  **Refine (可选)**: 根据执行情况调整剩余计划。
*   **优点**：全局视野好，适合长程任务；结构清晰。
*   **缺点**：初始计划可能不完善，缺乏灵活性（除非加入重规划机制）。

#### 🤔 Self-Ask (自问自答)
*   **核心理念**：面对复杂问题时，模型主动将自己无法直接回答的问题拆解为一系列简单的**子问题 (Follow-up questions)**，先解决子问题，再综合回答原问题。
*   **工作流程**：
    *   User: "谁是美国总统出生地海拔最高的？"
    *   Agent: "我需要知道每位总统的出生地及其海拔。" -> *追问*: "华盛顿的出生地海拔是多少？" -> *查工具* -> ... -> *综合*。
*   **优点**：极其适合需要多跳推理（Multi-hop reasoning）和事实核查的任务。
*   **变体**：Meta-Prompting, Socratic Questioning。

#### 🌳 其他进阶框架
*   **Tree of Thoughts (ToT)**：在每一步维护多个可能的推理路径，像搜索树一样进行广度优先或深度优先搜索，选择最优路径。
*   **Reflexion**：引入“反思”机制，Agent 在执行失败后，会生成一段自然语言的反思轨迹，存入记忆，指导下一次尝试。
*   **AutoGen / CrewAI (多 Agent 协作)**：多个具有不同角色（如程序员、产品经理、测试员）的 Agent 互相对话协作，共同完成任务。

#### 私有化部署

* 云服务厂商，如阿里云，腾讯云
* deepseek官方, [deepseek-ai](https://github.com/deepseek-ai)
* 开源大模型框架(**推荐**)，如ollama，可参考 [olllama](https://ollama.com/)

#### RAG

* Naive RAG
* Advanced RAG
* Modular RAG


## AI代码编辑器

### Cursor

* Cursor三大核心AI功能
  * Tab键:智能小助手
  * Chat:对话模式
  * Ctrl+K:内联生成和修改

#### 安装、注册、登录、配置

[cursor官网](https://cursor.com/cn)

[cursor文档](https://cursor.com/cn/docs)

#### 配置

* Cursor Settings（cursor AI 相关设置）
* Edit Settings （cursor 编辑器相关设置）
  * User配置 (全局生效)
  * Workspace配置（仅对当前项目生效，优先级高于User配置）

#### Tab键-智能提示助手

1. 代码补全
2. 智能代码重写 （修改注释后可直接提供修改意见）
3. 多行协同优化
   * 自动联想和补全
   * 多行批量改写
4. 光标位置预测
5. 接受（tab）、部分接受(tab+Right,功能需开启)、拒绝（esc/继续输入）
6. TAB配置

#### Chat对话模式
1. agent
    * 对话模式的核心功能，通过自主规划、信息检索和工具调用完成复杂任务
2. Plan
    * 计划模式的Agent，先沟通制定计划，确认后再执行
3. Background
    * Run agents in the background 指的是在后台运行agent，需要开启git仓库
4. Ask
    * 只读模式:只能查看、搜索、阅读代码
    * 不能:创建文件、编辑文件、删除文件、运行命令
    * 适用场景:询问问题、查看代码、理解逻辑

#### Chat对话模式注意事项

1. 代码生成、修改提示信息
   1.  Review Changes:审查代码修改/变化
   2.  KeepAll:保留所有修改/变化内容
   3.  UndoAll:撤销所有修改/变化的内容
2. Checkpoints数据还原
   * 恢复到代码库的先前某个状态
   * Cursor在发出的每次请求更改代码库时自动创建代码库的检查点(Checkpoint),通过Checkpoint可以回到指定的某个状态.

#### 内联生成和修改

> 使用Ctrl+K(Windows/Linux)启用内联生成和修改。直接在编辑器窗口中生成新代码或编辑现有代码，适合精准的修改代码/内容。

#### Cursor上下文指定

> 在Cursor工具里，"上下文(Context)"是指AI工具在回答你的问题或帮助你编程时所能"看到"和"理解"信息的范围，也是Cursor能精准响应的关键。

##### 代码库索引

* Codebase Indexing(代码库索引I)介绍
   * 打开项目时，Cursor将初始化该工作区的索引。初始索引设置完成后，Cursor将自动为添加到工作区的新文件编制索引，使代码库上下文保持最新
   * 快速理解整个项目结构
   * 快速定位相关代码
   * 跨文件理解

###### 代码库索引如何使用

* 同步索引
    * Cursor Settings-> Indexing&Docs -> Sync
* 忽略文件
    * Cursor Settings-> Indexing&Docs -> Ignore Files in.cursorignore 通过将.cursorignore文件添加到根目录来控制哪些文件/文件夹被忽略。

##### Rules规则

* Rules是给Cursor AI功能生成结果添加规则和限制，让Cursor 生成的代码贴合团队规范，主要的作用如下:
  * 约束代码风格(如强制用驼峰命名、要求方法写注释等)
  * 能限定技术选型(如指定优先使用某技术/框架/库，禁止使用某组件/框架/库)口
  * 提前指定配置参数(如提前设置连接数据库方式、账号密码等)

###### Rules规则如何使用

* User Rules
    * 对所有项目生效，个人专属配置
    * Cursor Settings-> Rules&Memories -> User Rules （用markdown格式描述规则）
* Project Rules
    * 仅对当前项目生效，团队成员共享相同规则
* 冲突时，Project Rules优先级高于User Rules
* Cursor Settings-> Rules&Memories -> Project Rules （用markdown格式描述规则）

##### @符号

> 在Cursor中通过@符号在聊天中引用代码、文件、文档和其他上下文，直接更具体的指定上下文环境

1. @Files&Folders引用文件或目录
2. @Code引用代码片段
3. @Docs获取指定技术/框架/组件的官方文档
   1.  * Cursor Settings-> Indexing&Docs -> AddDoc
4. @Web会自动搜索互联网，查找与Cursor请求相关的上下文
5. @Linter Errors 用于访问并引用代码中的Lint报错与警告信息的快捷符号。这个符号可以自动捕获并提供你当前激活文件中所有的lint报错与警告

#### 模板

```markdown
-------------------------------------
你现在是一名资深网页前端开发工程师，请帮我使用原生 HTML + CSS + JavaScript 编写一个可直接在浏览器中打开使用的「工作日程安排程序」，要求如下：
 
🧭 功能要求：
1. 页面显示当前月份的日历（例如一个 7x5 的网格）；
2. 点击某个日期，可以打开一个简单的弹窗或侧边栏，输入当天的日程内容；
3. 输入的日程可以保存并显示在日历中对应日期下面；
4. 页面刷新后仍能保存数据（使用 localStorage 存储即可）；
5. 可以删除某一天的日程；
6. 页面顶部显示当前年月；
7. 提供“上一个月 / 下一个月”按钮切换月份；
8. 页面风格简洁、美观。
 
🎨 界面要求：
- 页面标题为“工作日程安排”；
- 日历居中显示；
- 每个日期格子用边框区分；
- 当前日期高亮显示；
- 弹窗或输入区域使用简洁样式（如白底圆角、阴影）；
- 使用 CSS Flex 或 Grid 布局实现；
- 页面整体配色淡雅（如浅灰、浅蓝）。
 
🧩 技术要求：
- 不使用任何框架或库（如 React、Vue、jQuery 等）；
- 所有代码写在同一个 HTML 文件中；
- 使用原生 JavaScript 操作 DOM；
- 有详细注释，逻辑清晰；
- 可直接保存为 `schedule.html` 文件，并在浏览器中打开即可使用。
 
⚙️ 输出格式要求：
- 一次性输出完整的 HTML 文件代码；
- 代码可直接运行，无需任何依赖；
- 包含 `<style>` 和 `<script>`。
 
 
 
 
请帮我用浏览器打开 schedule.html 
 
 
-------------------------
你现在是一名资深的网页游戏开发工程师，请帮我用原生 HTML + CSS + JavaScript 编写一个可以直接在浏览器中运行的网页版《贪吃蛇》游戏, 要求如下
 
🧭 功能要求：
1. 要求有积分统计
2. 页面要有多种背景可以切换
3. 代码添加中文注释
 
🧩 技术要求：
- 不使用任何框架或库（如 React、Vue、jQuery 等）；
- 所有代码写在同一个 HTML 文件中；
- 有详细注释，逻辑清晰；
- 在浏览器中打开即可使用。
 
⚙️ 输出格式要求：
- 一次性输出完整的 HTML 文件代码, 并直接保存为  `snakeGame01‌.html` 文件到当前文件夹下
- 代码可直接运行，无需任何依赖
- 包含 `<style>` 和 `<script>`
 
--------------------------------------
 
你现在是Java资深工程师，帮我完成以下任务。
- 编写一个Java 文件 ArraySort.java , 在该文件中编写一个冒泡排序方法
- 冒泡排序是对int数组排序
 
 
请在项目中实现功能：
- 修改文件：ArraySort.java , 将对int数组排序，改成对double数组排序
 
---------------------------------------
 
 
创建一个页面，该页面有一个小灯泡，创建两个按钮，分别控制开灯和关灯，使用html+css+javascript 实现
 
 
将开灯、关灯改成英文  
 
 
增加可以定时关灯的按钮，点击该按钮，开始倒计时, 10s 后自动关灯 
 
 
----------------------------------------
讲解 User Rules 和 Project Rules 准备的提示词
 
User Rules 规则
 
# 代码书写规范
1. 数据库连接时， 用户名设置为: zhangsan  密码设置为: 123456
 
 
User Rules 规则的测试提示词
 
在当前项目编写文件Demo01.java,  编写两个方法，分别连接mysql数据库和oracle数据库
 
Project Rules 规则
 
# 代码书写规范
1. 统一使用 4个空格 缩进。
2. 每行不超过 120字符。
3. 变量：小驼峰（如：userName）
4. 类名：大驼峰（如：UserService）
5. 常量：全大写+下划线（如：MAX_RETRY_COUNT）
6. 方法：动宾结构并且方法名都以hi开头（如：hiGetUserInfo()、hiUpdateProfile()）
 
 
Project Rules 规则的测试提示词
 
在当前项目编写文件Demo02.java,  编写两个方法，分别连接mysql数据库和oracle数据库
 
 
---------------------------------------
案例: 数据分析可视化准备的提示词
 
@分省年度数据.md 请帮我制作2022年各地区人口对比的柱状图。
 
 
@分省年度数据.md 请帮我制作2022年各地区人口对比的饼状图
 
 
请把生成的柱状图颜色改成蓝色系
 
 
@2025热词.md 请帮我制作词云图，使用不同的颜色，词的大小根据数值区分, 做到漂亮好看
 
 
请将词云图改成漂亮的科技风格
 
------------------------------------------------------
 
请参考 @zgnxzyfzbg.txt   生成可视化的报告网页
 
## 内容要求
- 将文档生成一个页面
- 所有页面内容必须为简体中文
- 保持原文件的核心信息，但以更易读、可视化的方式呈现
 
## 设计风格
- 整体风格参考Linear App的简约现代设计
- 使用清晰的视觉层次结构，突出重要内容
- 配色方案应专业、和谐，适合长时间阅读
 
##技术规范
- 使用HTML5、TailwindCSs 3.0+(通过CDN引入)和必要的JavaScript
- 实现完整的深色/浅色模式切换功能，默认跟随系统设置
- 代码结构清晰，包含适当注释，便于理解和维护
 
 
-------------------------------------
你现在是一名资深的网页游戏开发工程师，请帮我用原生 HTML + CSS + JavaScript 编写一个可以直接在浏览器中运行的网页版《坦克大战》小游戏，要求如下：
 
🎮 游戏功能要求：
1. 玩家控制一辆坦克（用矩形或简易图形表示）。
   - 键盘方向键 ↑ ↓ ← → 控制移动；
   - 空格键发射子弹；
2. 敌方坦克会自动移动并随机发射子弹；
3. 当玩家子弹击中敌方坦克时，敌方坦克消失并在几秒后重新生成；
4. 当玩家被敌方子弹击中时，游戏结束，屏幕中央显示 “Game Over”；
5. 在画面上方显示当前得分（击中敌人数量）；
6. 游戏区域固定为 800x600 像素；
7. 坦克、子弹、障碍物都用简单几何图形绘制，不用图片；
8. 添加几个障碍物，子弹不能穿透障碍物；
9. 添加一个“重新开始”按钮，在 Game Over 时出现。
 
🧩 技术要求：
- 只使用原生 HTML、CSS、JavaScript；
- 所有代码写在一个 HTML 文件里；
- 使用 Canvas 绘图；
- 使用 requestAnimationFrame 实现动画循环；
- 保持结构清晰、有详细注释。
 
🖼️ 界面要求：
- 游戏区域居中；
- 有一个标题“坦克大战小游戏”；
- 有简单的背景颜色（例如浅灰）；
- 游戏结束时弹出提示并允许重新开始。
 
⚙️ 输出格式要求：
- 一次性输出完整的 HTML 文件代码；
- 文件命名为 `tank_game.html`；
- 代码可直接保存为 HTML 文件并在浏览器中打开即可运行。
 
```

### Trae 

* Trae三大核心AI功能
  * Tab-Cue(context understanding engine)
  * 智能体聊天模式
  * Editor内AI编码

#### 安装、注册

* [国内版](https://www.trae.cn)
* [国际版](https://www.trae.ai)

#### 配置

* Trae Settings
* Edit Settings

#### Trae核心AI功能
##### Tab-Cue(context understanding engine)

* 代码补全
* 光标位置预测
* 智能代码重写
* 多行协同优化
  * 自动联想和补全
* 接受，接受部分和拒绝
* 配置

#####  智能体聊天模式

1. Chat
   * 适用场景:聊聊你的代码库或编写代码
2. Build模式
   * 适用场景:端到端执行常规开发任务
3. Build with MCP 
   *  适用场景:支持使用配置的所有MCPServers
   *  什么是MCP Servers? Model Context Protocol (MCP)允许大语言模型访问自定义工具和服务。MCP Servers 是支持该协议的服务，提供工具和功能来扩展智能体的能力。添加后，智能体会自动调用合适的工具完成任务。
4. SOLO Builder:聚焦快速原型开发，通过自然语言描述生成完整Web应用(含前后端)，适合从零到一的场景
5. SOLO Coder:面向专业开发者，处理复杂项目迭代、代码重构、Bug修复等工程化任务，支持多任务并行和智能体协同，提供“Plan”模式辅助开发规划

##### Editor内AI编码

> 直接在编辑器窗口中生成新代码或编辑现
有代码，适合精准的修改代码/内容


#### Trae上下文

* 代码索引管理
  * 忽略文件
  * 文档集
    * 通过URL、本地上传的方式添加常用的文档集作为上下文与AI问答。
* Rules规则
  * Rules是给TraeAI功能生成结果添加规则和限制让Trae生成的代码贴合团队规范
  ```markdown
  User Rules 和 Project Rules提示词

  User Rules 规则
  - 我使用 Java 17 或更高版本。
  - 遵循标准的 Java 命名规范：类名用 PascalCase，方法和变量用 camelCase，常量全大写加下划线。
  - 所有 public 方法必须包含完整的 Javadoc 注释，包括 @param、@return 和 @throws。
  - 优先使用不可变对象和 final 关键字（如 final class、final fields）。
  - 避免使用 Lombok；显式编写 getter/setter 和构造函数。
  - 异常处理应具体，避免捕获通用 Exception，优先抛出或记录有意义的异常。
  - 使用 SLF4J 进行日志记录，而不是 System.out。
  - 依赖注入使用 Spring Framework（如适用），偏好构造器注入而非字段注入。
  - 单元测试使用 JUnit 5 + Mockito，每个业务类都应有对应的测试类。

  Project Rules 规则
  - 本项目是一个基于 Spring Boot 3.2 的 RESTful 后端服务。
  - 包结构遵循：  
    com.example.myapp  
    ├── controller  
    ├── service  
    ├── repository  
    ├── model  
    ├── dto  
    └── config
  - Controller 层只负责 HTTP 映射和参数校验，不包含业务逻辑。
  - 所有请求/响应使用 DTO（Data Transfer Object），禁止直接暴露 Entity。
  - 数据库使用 MySQL 8.0 或更高版本，实体类放在 model 包，使用 Jakarta Persistence 注解。
  - 全局异常处理通过 @ControllerAdvice 实现。
  - 使用 Jakarta Validation（如 @NotBlank, @NotNull）进行参数校验。
  - 配置文件使用 application.yml，敏感信息通过环境变量注入。
  - 构建工具为 Maven，依赖统一管理在 dependencyManagement 中。
  ```
* #符号引用上下文

####  自定义智能体

```
创建智能体的提示词

名称: 信息速览专家
自动搜索、整理信息并生成总结文档和可视化网页，适合快速了解新概念或行业报告

‌名称: 可视化讲师‌
将复杂概念转化为直观的可视化网页，通过图文并茂的方式帮你深入理解

名称: 知识库管理专家
‌知识库管理助手，专门管理本地文件，快速检索并理解文档内容，30秒内输出结构清晰的答案

名称: MCP自动化助手
结合多种MCP工具，帮你完成文件操作、网页搜索、截图等重复性工作

名称: Java技术专家
你是一名Java开发专家，非常擅长Java的各种框架，算法和性能优化

名称: 前端架构师
前端开发高级工程师，非常牛的那种，级别可以达到阿里P8

```

####  应用

##### 数据分析可视化

> [mcp-server-chart](https://gitee.com/mcp-servers/mcp-server-chart#-usage)

```markdown
配置mcp-server-chart
{
  "mcpServers": {
    "mcp-server-chart": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@antv/mcp-server-chart"
      ]
    }
  }
}
- mcp-server-chart 一个用于通过AntV生成图表的模型上下文协议(ModelContextProtocol)服务器。我们可以使用这个MCP服务器来进行图表生成和数据分析
- MCP (Model Context Protocol)是让AI助手能调用外部工具和数据的协议，Trae能做更多事情，编程效率直接起飞
```

##### 文档可视化

##### 配合Kimi生成智能翻译插件

##### 配合Figma生成前端页面

> Figma是一款基于云端的界面设计和协作工具，主要用于用户界面(UI)和用户体验(UX)设计口。简单来说，它是可以用来设计网站、手机App、软件等数字产品界面的强大工具
>
[Figma](https://www.figma.com/)