项目说明CLAUDE.md
“每次进入项目都必须知道的规则，应该放在哪里？
AI 协作术语
把项目事实、能力边界与验证证据放到各自该在的位置。 本页完整展示这一领域的全部词条。
协作准备
让项目事实、上下文和记忆有地方可放。
能力扩展
把调用入口、可复用知识和外部工具分清楚。
任务推进
把研究、执行和协作拆成可判断的步骤。
验证与迭代
用证据确认结果，再决定是否进入下一轮。
提示与上下文
把任务、示例、上下文容量和输出要求说清楚。
提示词Prompt
“把你希望 AI 做什么、依据什么、怎样交付说清楚。
系统提示System Prompt
“给 AI 定店规，告诉它长期该遵守什么。
少样本示例Few-shot Prompting
“别只说“写好一点”，给 AI 看两三个真正想要的例子。
上下文窗口Context Window
“AI 一次能放在桌面上看的材料是有限的。
Token
“AI 不是按“字数”算，而是把文字切成许多小块来读。
示例Example
“别只讲规则，拿一份对的成品让人看懂标准。
摘要Summarization
“把长资料缩短，但不能把会改变决定的内容丢掉。
成本Cost
“做这件事要花多少，不只看购买价格，还看以后谁来维护。
AI 基础AI Basics
“准备把 AI 用进真实业务，又不想把流畅表达误当成可靠执行。
多模态Multimodal
“业务信息不只在文字里，还藏在产品图、图纸、录音和页面截图中。
上下文工程Context Engineering
“任务长、资料多、角色多，模型开始使用旧假设或遗漏关键限制时。
对话历史Conversation History
“后续问题依赖前面选择、修正和已验证结果时。
无状态请求Stateless Request
“接口要横向扩展、重试或被不同服务器处理时。
结构化输出Structured Output
“输出要进入程序、表格、数据库或下一步自动化，不能靠人读散文提取。
流式响应Streaming Response
“生成时间较长，希望用户尽早看到进度和首批内容时。
代理与工具
让 AI 能办事，也让权限、边界和人工确认留在该在的位置。
工具调用Tool Calling
“AI 不只说话，还能按规则去查和办事。
AI 代理Agent
“不是只回答一句，而是能按任务往前办事的 AI 同事。
安全护栏Guardrail
“给 AI 划清不能越过的线，防止它把不该做的事做了。
Harness Engineering
“希望代理不只会生成代码，还能在真实仓库里稳定完成并证明任务。
人在回路Human in the Loop
“动作会公开发布、改商业承诺、接触客户或证据仍不充分时。
ReAct 模式Reason and Act
“答案需要通过搜索、代码、浏览器或外部系统逐步获得，而不能一次凭记忆生成。
Agent 循环Agent Loop
“任务包含多个依赖步骤，下一步必须根据前一步真实结果决定时。
质量与恢复
识别幻觉、评估结果，并为失败保留恢复路径。
效果评估Evaluation
“不是觉得 AI 还不错，而是拿标准样本检验它到底靠不靠谱。
幻觉Hallucination
“AI 说得很像真的，不代表它真的知道。
重试Retry
“第一次没办成时，别立刻放弃，也别无限重复。
降级方案Fallback
“主路走不通时，仍让用户有一条不丢事的备用路。
依据约束Grounding
“让 AI 只站在你给的可靠地面上说话，缺资料就明确停下。
AI 幻觉AI Hallucination
“答案听起来专业，但你还找不到能复现或核对的证据。
响应速度Response Speed
“用户等待搜索、AI 回答、保存或提交，慢到影响继续操作时。
Token 成本Token Cost
“AI 工作流开始规模化，需要判断一次任务为何贵、慢或塞满上下文时。