diff --git a/Vibe Coding 零基础教程/70 Vibe Coding 概念大全.md b/Vibe Coding 零基础教程/70 Vibe Coding 概念大全.md
index 45c4733..434830f 100644
--- a/Vibe Coding 零基础教程/70 Vibe Coding 概念大全.md	
+++ b/Vibe Coding 零基础教程/70 Vibe Coding 概念大全.md	
@@ -8,7 +8,7 @@
 
 在学习 Vibe Coding 的过程中，你一定会遇到各种陌生的名词和术语。比如什么是 Token？什么是上下文窗口？什么是 RAG？这些概念听起来很高大上，但其实理解起来并不难。
 
-这篇文章就是你的 **AI 编程术语词典**，我会用最通俗易懂的语言，把 Vibe Coding 中最常见、最重要的概念讲清楚。你可以把它收藏起来，遇到不懂的词就来查一查。
+这篇文章就是你的 **AI 编程术语词典**，我会用最通俗易懂的语言，把 Vibe Coding 中最常见、最重要的概念讲清楚。墙裂建议收藏，遇到不懂的词就来查一查。
 
 
 
@@ -19,7 +19,7 @@
 
 人工智能（Artificial Intelligence）是让计算机模拟人类智能的技术。简单来说，就是让机器能像人一样思考、学习和解决问题。
 
-在 Vibe Coding 中，AI 就是你的编程助手。你告诉它要做什么，它帮你写代码。就像你有一个 24 小时在线的程序员朋友，随时可以帮你干活。
+在 Vibe Coding 中，AI 就是你的编程助手。你只管告诉它要做什么，它就会嘎嘎帮你做方案、写代码、修 Bug。就像你有一个 24 小时在线的程序员朋友，随时可以帮你干活。
 
 
 
@@ -28,80 +28,91 @@
 
 大语言模型（Large Language Model）是一种能够理解和生成人类语言的 AI 系统。ChatGPT、Claude、Gemini、DeepSeek 都是大语言模型。
 
-为什么叫 “大” 呢？因为这些模型的参数量非常庞大，动辄几十亿甚至上万亿个参数。参数越多，模型通常越聪明，但也越消耗计算资源。
+为什么叫 “大” 模型呢？因为这些模型的 **参数量** 非常庞大，动辄几十亿甚至上万亿个参数。参数越多，模型通常越聪明，但也越消耗计算资源。
 
-你可以把大语言模型理解成一个读过海量书籍和代码的超级学霸，它见过无数的编程案例，所以能帮你写代码、解释代码、修复 bug。
+你可以把大语言模型理解成一个读过海量书籍和代码的超级学霸，它见过无数的编程案例，所以能帮你写代码、解释代码、修复 Bug。
 
-![](https://pic.yupi.icu/1/1745384872015-f84a47fc-0925-4797-9dfc-e4dfae01a3fa.png)
+![](https://pic.yupi.icu/1/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%98%AF%E4%BB%80%E4%B9%88%E5%A4%A7.jpeg)
 
+除了文本大语言模型之外，AI 领域还有专门处理图片的视觉模型（比如 Stable Diffusion）、处理语音的音频模型（比如 Whisper）、以及能同时处理文字、图片、音频的多模态模型（如 GPT-4o、Gemini）。在 AI 编程时，我们主要和文本大语言模型打交道。
 
 
-### 模型参数
-
-参数是模型在训练过程中学到的 “知识点”，用数字的形式存储在模型中。参数越多，模型能记住的知识就越丰富，通常也越聪明。
-
-比如：
-
-- GPT-4 大约有 1.8 万亿参数
-- Claude 3.5 Sonnet 的参数量未公开，但估计在千亿级别
-- DeepSeek-V3 有 6710 亿参数
-
-参数量会影响模型的能力和运行成本。一般来说，参数越多的模型越贵，但效果也越好。
-
-
-
-
-### 训练和推理
-
-训练（Training）是让 AI 模型从大量数据中学习知识的过程。这个过程需要海量的计算资源和时间，通常由 AI 公司完成。你不需要自己训练模型。
-
-推理（Inference）是模型学完之后，用学到的知识来回答问题、生成内容的过程。当你用 ChatGPT 对话时，就是在进行推理。
-
-打个比方：训练就像学生上学读书，推理就像学生参加考试答题。我们日常使用 AI 工具，都是在用推理能力。
-
-
-
-
-### 微调（Fine-tuning）
-
-微调是在已有模型的基础上，用特定领域的数据继续训练，让模型在某个领域表现更好。
-
-比如，你可以用大量的医学资料微调一个模型，让它成为医学专家。或者用你公司的代码库微调，让它更了解你的项目风格。
-
-对于普通用户来说，微调成本较高，一般不需要自己做。直接使用现成的模型就够用了。
-
-
-
-## Token 和计费
-
 
 ### Token
 
 Token 是 AI 模型处理文本的基本单位。你可以简单理解为 “词块”。
 
-在英文中，一个 Token 大约是一个单词或单词的一部分。在中文中，一个汉字通常是 1-2 个 Token。
+Token 是你必须掌握的核心概念，因为 AI 服务通常按照 Token 收费。你输入的文字和 AI 输出的文字都会消耗 Token。Token 用得越多，花的钱就越多。
 
-为什么 Token 重要？因为 AI 服务通常按 Token 收费。你输入的文字和 AI 输出的文字都会消耗 Token。Token 用得越多，花的钱就越多。
+在英文中，一个 Token 大约是一个单词或单词的一部分。在中文中，一个汉字通常是 1 ~ 2 个 Token。
 
-举个例子：
+举个例子来帮助大家理解：
 
 - "Hello World" 大约是 2 个 Token
-- “你好世界” 大约是 4-6 个 Token
+- “你好世界” 大约是 4 ~ 6 个 Token
 
 ![](https://pic.yupi.icu/1/image-20260112112612434.png)
 
+目前很多 AI 编程工具（比如 Cursor、Claude Code）都自带了 Token 消耗量的实时统计和展示，方便你随时掌握用量和成本。
+
 
 
 ### 输入 Token 和输出 Token
 
-AI 服务通常分别计算输入和输出的 Token：
+AI 服务在计费时，一般会分别计算输入和输出的 Token。
 
-- 输入 Token：你发给 AI 的内容（提示词、代码、文件等）
-- 输出 Token：AI 返回给你的内容（回答、生成的代码等）
+- 输入 Token：你发给 AI 的内容，比如提示词、代码、文件等
+- 输出 Token：AI 返回给你的内容，比如回答、生成的代码、工具调用指令等
 
-一般来说，输出 Token 比输入 Token 更贵，因为生成内容比理解内容更消耗算力。
+一般来说，输出 Token 比输入 Token 更贵。以 Claude Sonnet 4 为例，输入价格是 3 美元/百万 Token，输出价格是 15 美元/百万 Token，贵了 5 倍。这是因为生成内容比理解内容更消耗算力。
 
-省钱小技巧：写清楚、写简洁的提示词，让 AI 一次就能理解你的需求，减少反复对话。
+最简单的一个省 Token 小技巧是：**用心编写简洁清晰的提示词**，让 AI 一次就能理解你的需求，减少反复对话。更多省 Token 技巧可以看看鱼皮分享过的视频：[AI 编程省钱技巧](https://www.bilibili.com/video/BV1pAy5BXE5z)
+
+
+
+### 模型参数
+
+参数是模型在训练过程中学到的 “知识点”，用数字的形式存储在模型中。
+
+举个好理解的例子，模型在训练时读到了大量 “天空是蓝色的” 这类内容，它就会在参数中记住 “天空” 和 “蓝色” 之间的关联关系。参数越多，模型能记住的知识和关联就越丰富。
+
+参数量直接影响模型的能力和使用成本。参数越多，模型越聪明，但运行时消耗的算力（GPU 计算资源）也越多，所以价格也越贵。
+
+目前主流大模型中，明确公开参数量的有：
+
+- DeepSeek-V3：6710 亿参数（采用 MoE 混合专家架构，实际激活 370 亿）
+- Qwen3-235B：2350 亿参数（通义千问系列，激活 220 亿）
+- Llama 4 Scout：1090 亿参数（Meta 开源模型，激活 170 亿）
+
+值得一提的是，即使是同一系列的大模型，厂商也会提供不同参数量的版本供你选择。
+
+![](https://pic.yupi.icu/1/image-20260302162302260.png)
+
+
+
+
+### 模型训练和推理
+
+训练（Training）是让 AI 模型从大量数据中学习知识的过程。这个过程需要海量的计算资源和时间，一般由 AI 公司完成。绝大多数情况下，你不需要自己训练模型，直接用训练好的成品就行。
+
+推理（Inference）是模型训练完成、具备了知识之后，用学到的知识来回答问题、生成内容的过程。我们日常使用 AI 工具，比如和 ChatGPT 对话、让 Cursor 写代码，本质上都是 AI 模型在进行推理。
+
+打个比方，训练就像学生上学读书，推理就像学生参加考试答题。
+
+![](https://pic.yupi.icu/1/%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83%E5%92%8C%E6%8E%A8%E7%90%86%E5%A4%A7.jpeg)
+
+
+
+
+### 模型微调（Fine-tuning）
+
+微调是在已有模型的基础上，用特定领域的数据继续训练，让模型在某个领域表现更好。
+
+比如，你可以用大量的医学资料微调一个模型，让它成为医学专家。或者用你公司的代码库微调，让它更了解你的项目风格。
+
+对于普通用户来说，微调成本较高，一般不需要自己做，直接使用现成的模型就够了。不过，很多大模型应用开发平台（比如阿里云百炼、火山引擎等）都提供了模型微调的能力，降低了微调的门槛。
+
+![](https://pic.yupi.icu/1/image-20260302163159965.png)
 
 
 
@@ -112,12 +123,12 @@ AI 服务通常分别计算输入和输出的 Token：
 不同模型的上下文窗口大小不同：
 
 - GPT-4o：128K Token（约 10 万中文字）
-- Claude 3.5 Sonnet：200K Token（约 15 万中文字）
-- Gemini 2.0 Pro：2M Token（约 150 万中文字）
+- Claude Opus 4.6：标准 200K Token，支持扩展到 1M Token（约 75 万中文字）
+- Gemini 3.1 Pro：1M Token（约 75 万中文字），且支持同时处理文字、图片、音频、视频
 
-上下文窗口越大，AI 能处理的代码量就越多，能记住的对话历史就越长。如果你的项目代码很多，选择上下文窗口大的模型会更合适。
+上下文窗口越大，AI 能处理的代码量就越多，能记住的对话历史就越长。如果你的项目代码很多，或者你不确定 AI 能否在一次对话中完成任务，选择上下文窗口大的模型会更合适。
 
-但要注意，上下文窗口越大，每次请求消耗的 Token 也越多，成本也会更高。
+但要注意，上下文窗口越大，每次请求消耗的 Token 也越多，成本也会更高。比如在 Cursor 中使用 Claude Sonnet 模型时，单次请求超过 20 万 Token，输入价格就会翻倍。
 
 
 
@@ -126,35 +137,39 @@ AI 服务通常分别计算输入和输出的 Token：
 
 ### 提示词（Prompt）
 
-提示词是你给 AI 的指令或问题。在 Vibe Coding 中，提示词就是你用自然语言描述的需求。
+提示词是你给 AI 的指令或问题。在 AI 编程中，提示词就是你用自然语言描述的需求。
 
 提示词的质量直接决定了 AI 输出的质量。一个好的提示词应该：
 
-- 具体明确，不含糊
+- 具体明确
 - 包含必要的背景信息
 - 说明期望的输出格式
 
-比如，“做一个网站” 是一个模糊的提示词，而 “用 React 做一个记账网站，包含添加支出、查看列表、统计总额三个功能，界面用蓝色调” 就是一个好的提示词。
+比如，“做一个网站” 是一个模糊的提示词，而 “用 React 做一个记账网站，包含添加支出、查看列表、统计总额三个功能，界面用蓝色调” 就是一个更好的提示词。
 
-在 AI 对话中，消息通常分为三种角色：
+在 AI 对话中，消息一般分为 3 种角色：
 
 - 系统提示词（System）：设置 AI 的角色和行为规则，对用户不可见
 - 用户提示词（User）：你发送给 AI 的消息
 - 助手提示词（Assistant）：AI 回复给你的消息
 
-理解这 3 种角色有助于你更好地构造对话。比如在调试时，你可以在提示词中模拟之前的对话历史，让 AI 更好地理解上下文。
+理解这 3 种角色有助于你更好地使用 AI。比如很多 AI 编程工具允许你设置系统提示词来定义 AI 的行为规则，而你在对话框中发送的内容就是用户提示词。
+
+![](https://pic.yupi.icu/1/1745462990451-6f2b5727-d47b-436c-9da2-50dac64fb790.png)
 
 
 
 ### 系统提示词
 
-系统提示词（System Prompt）是在对话开始前设置的指令，用来定义 AI 的角色、行为和限制。
+系统提示词（System Prompt）是在对话开始前给 AI 设置的指令，用来定义 AI 的角色、行为和限制。
 
-比如，你可以设置系统提示词：“你是一位资深的 React 开发专家，请用简洁清晰的代码风格回答问题。”
+比如，你可以设置系统提示词：“你是一位资深的 Java 后端开发专家，请用简洁清晰的代码风格回答问题。”
 
 系统提示词在整个对话过程中都会生效，是定制 AI 行为的重要方式。
 
-![](https://pic.yupi.icu/1/1745462990451-6f2b5727-d47b-436c-9da2-50dac64fb790.png)
+还记得前几年 AI 刚流行的时候，市面上冒出了一大堆 AI 助手网站么？其实很多就是 “套壳”，底层调用的是同一个大模型，只不过给不同的 AI 助手设定了不同的系统提示词，比如 “你是一个翻译专家”、“你是一个法律顾问” 等。
+
+![](https://pic.yupi.icu/1/%E4%B8%BB%E9%A1%B5.png)
 
 
 
@@ -162,23 +177,29 @@ AI 服务通常分别计算输入和输出的 Token：
 
 提示词工程（Prompt Engineering）是设计和优化提示词的技术，目的是让 AI 更好地理解你的意图，生成更符合预期的结果。
 
-这是 Vibe Coding 的核心技能之一。好的提示词工程师能用更少的对话轮次，让 AI 生成更高质量的代码。
+这是 Vibe Coding 的核心技能之一。好的提示词工程师能用更少的对话轮次、更低的 Token 成本，让 AI 生成更高质量的代码。
+
+想学习编写提示词的实战技巧，可以看看鱼皮的免费《AI 编程教程》：[提示词编写技巧](https://ai.codefather.cn/library/2010974716125712386)
+
+![](https://pic.yupi.icu/1/image-20260302164120604.png)
 
 
 
 ### 零样本提示（Zero-shot）
 
-零样本提示是指直接给 AI 一个任务，不提供任何示例。
+零样本提示是指在给 AI 下达任务时，不提供任何示例，直接描述你的需求让 AI 去完成。
 
 比如：“请把这段英文翻译成中文。”
 
-AI 会根据自己的训练知识来完成任务。对于简单任务，零样本提示通常就够用了。
+AI 会根据自己的训练知识来完成任务。
+
+对于简单任务，零样本提示一般就够用了，不需要提供额外的示例内容，还能节约一些 Token 成本。
 
 
 
 ### 少样本提示（Few-shot）
 
-少样本提示是在提示词中提供几个示例，让 AI 学习你想要的格式或风格。
+少样本提示是指在给 AI 下达任务时，额外提供几个输入输出的示例，让 AI 通过这些示例学习你想要的格式或风格，从而更准确地完成任务。
 
 比如：
 
@@ -191,15 +212,17 @@ AI 会根据自己的训练知识来完成任务。对于简单任务，零样
 
 通过提供示例，AI 能更准确地理解你的需求，输出更一致的结果。
 
+![](https://pic.yupi.icu/1/image-20260302164402338.png)
+
 
 
 ### 思维链提示（Chain-of-Thought）
 
-思维链提示是让 AI 一步一步思考问题，而不是直接给出答案。这对于复杂的推理任务特别有效。
+思维链提示（Chain-of-Thought，简称 CoT）是一种引导 AI 展示推理过程、一步一步思考问题的提示技术，而不是让 AI 直接给出答案。这对于复杂的推理任务特别有效，比如多步骤的数学计算、代码逻辑分析、系统架构设计等。
 
-你可以在提示词中加上 “请一步一步思考” 或 "Let's think step by step"，AI 就会展示它的推理过程，通常能得到更准确的答案。
+触发思维链提示的方法很简单。很多推理模型（比如 DeepSeek-R1）和 AI 编程工具天然内置了思维链能力，会自动展示推理过程。你也可以在提示词中手动加上 “请一步一步思考”，AI 就会展示它的推理过程，一般能得到更准确的答案。
 
-在编程中，思维链提示能帮助 AI 更好地理解复杂需求，生成更合理的代码结构。
+在 AI 编程中，涉及复杂业务逻辑、多模块交互、或者需要权衡多种技术方案的项目，特别适合利用推理模型和思维链提示能力，让 AI 想清楚再动手。
 
 ![](https://pic.yupi.icu/1/chainofthought.png)
 
@@ -209,13 +232,15 @@ AI 会根据自己的训练知识来完成任务。对于简单任务，零样
 
 Markdown 是一种轻量级的文本标记语言，用简单的符号来表示格式。比如用 `#` 表示标题，用 `**文字**` 表示加粗，用 `-` 表示列表。
 
-在 Vibe Coding 中，Markdown 非常重要，因为：
+![](https://pic.yupi.icu/1/image-20260302164811601.png)
 
-- AI 生成的回答通常是 Markdown 格式
-- 项目文档（如 README）用 Markdown 编写
-- 规则文件也是 Markdown 格式
+在 AI 编程中，Markdown 非常重要，因为：
 
-学会 Markdown 能让你更好地与 AI 交流，也能写出更规范的项目文档。
+- AI 生成的回答大多数都是 Markdown 格式
+- 项目文档（如 README）采用 Markdown 编写
+- 定义 AI 智能体的规则文件也是 Markdown 格式
+
+学会 Markdown 能让你更好地跟 AI 交流，也能写出更规范的项目文档。更重要的是，结构化的内容（标题层级、列表、代码块等）有助于 AI 更准确地理解你的意图，同时也能培养你自己的结构化思维能力，这对写好提示词非常有帮助。
 
 
 
@@ -223,13 +248,15 @@ Markdown 是一种轻量级的文本标记语言，用简单的符号来表示
 ## AI 编程模式
 
 
-### Vibe Coding
+### Vibe Coding 氛围编程
 
 Vibe Coding 是由计算机科学家 Andrej Karpathy 在 2025 年 2 月提出的概念。它描述了一种全新的编程方式：通过自然语言和 AI 对话，让 AI 帮你写代码，你只需要描述需求、测试结果、指导方向。
 
-Vibe Coding 的核心理念是：你不需要精通编程语法，只需要能清楚表达你的想法。AI 负责把你的想法变成可运行的代码。
+你不需要精通编程语法，只需要能清楚表达你的想法，AI 负责把你的想法变成可运行的代码。
 
-这就像点外卖一样：你告诉外卖平台你想吃什么，餐厅帮你做好送到手上。你不需要会做饭，但要知道自己想吃什么。
+所以说，Vibe Coding 的重点不是写代码，而是明确需求并清晰表达。你描述得越清楚，AI 给你的结果就越靠谱。
+
+这就像点外卖一样，你告诉外卖平台你想吃什么，餐厅帮你做好送到手上。你不需要会做饭，但要知道自己想吃什么。
 
 
 
@@ -239,11 +266,11 @@ Agentic Engineering（智能体工程）是 2026 年 2 月由 Andrej Karpathy（
 
 Vibe Coding 就是跟着感觉写代码：你给 AI 一句话，AI 吐出代码，能跑就行，跑不了就把报错粘回去让 AI 再改。做个小工具贼拉快，但项目一大就容易翻车。
 
-而 Agentic Engineering 的思路是：你先想清楚要干嘛、写好方案、拆好任务，再把活交给 AI 去执行，它干完了你还得验收，质量不行打回去重做。
+而 Agentic Engineering 的思路是：你先想清楚要干嘛、写好方案、拆好任务，再把活交给 AI 去执行，它干完了你还得验收，质量不行再打回去重做。
 
 打个比方，Vibe Coding 的时候你是个 DJ，放什么歌全凭感觉；Agentic Engineering 里你是包工头，流程、质量、验收都得你说了算。**一个跟着感觉走，一个按流程来。**
 
-当然，不是说 Vibe Coding 已经过时了。Vibe Coding 负责让你看到可能性，Agentic Engineering 负责把可能性变成真正能用的东西。二者适用于不同的场景，做个小工具用 Vibe Coding，做正式项目就需要 Agentic Engineering 的思维。
+当然，不是说 Vibe Coding 已经过时了。Vibe Coding 负责让你看到可能性，Agentic Engineering 负责把可能性变成真正能用的东西。二者适用于不同的场景，做小工具时可以用 Vibe Coding，做企业级项目就需要 Agentic Engineering 的思维。
 
 ![](https://pic.yupi.icu/1/agentic%20engineering.jpeg)
 
@@ -252,9 +279,11 @@ Vibe Coding 就是跟着感觉写代码：你给 AI 一句话，AI 吐出代码
 
 ### Agentic Coding 智能体编程
 
-Agentic Coding 是指让 AI 像一个自主的 “智能体”（Agent）一样工作，能够自己规划任务、执行操作、验证结果，而不只是被动地回答问题。
+Agentic Coding 智能体编程是指让 AI 像一个自主的 “智能体”（Agent）一样工作，能够自己规划任务、执行操作、验证结果，而不只是被动地回答问题。
 
-在 Cursor 的 Agent 模式中，AI 可以：
+它和前面提到的 Agentic Engineering 的区别在于，Agentic Coding 强调的是 AI 的自主执行能力（AI 能干什么），而 Agentic Engineering 强调的是人对 AI 的管理方法论（人该怎么管）。
+
+如今，几乎所有主流 AI 编程工具都提供了智能体编程的能力。比如在 Cursor 的 Agent 模式中，AI 可以：
 
 - 自动读取和分析多个文件
 - 规划实现方案
@@ -262,7 +291,7 @@ Agentic Coding 是指让 AI 像一个自主的 “智能体”（Agent）一样
 - 运行测试验证
 - 自动修复问题
 
-这比传统的问答式 AI 更强大，因为它能自主完成复杂的多步骤任务。
+这比传统的问答式 AI 更强大，因为它能自主完成复杂的多步骤任务。可以说，AI 不再只是辅助编程的配角，而是正在成为项目开发的核心驱动力。
 
 ![](https://pic.yupi.icu/1/agent-in-cursor.png)
 
@@ -272,19 +301,21 @@ Agentic Coding 是指让 AI 像一个自主的 “智能体”（Agent）一样
 
 多智能体协作（Multi-Agent）是指多个 AI 智能体分工合作，共同完成复杂任务。
 
-比如，一个智能体负责设计架构，一个负责写前端代码，一个负责写后端代码，一个负责代码审查。它们像一个团队一样协作。
+比如，一个智能体负责设计架构，一个负责写前端代码，一个负责写后端代码，一个负责代码审查。它们像一个软件开发团队一样协作。
 
-这两年，多智能体系统正在成为 AI 编程的重要趋势，能够处理更复杂的项目。
+这两年，多智能体系统正在成为 AI 编程的重要趋势。它的优势不仅仅是能处理更复杂的项目，还能通过并行工作大幅提升效率，让原本需要几小时的任务在几分钟内完成。
 
-![](https://pic.yupi.icu/1/image-20260112112834637.png)
+![](https://pic.yupi.icu/1/%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E5%8D%8F%E4%BD%9C%E5%A4%A7.jpeg)
 
 
 
 ### 智能体编排
 
-编排是指协调和管理多个 AI 智能体或 AI 任务的过程，确保它们按正确的顺序和方式工作。
+编排（Orchestration）是指协调和管理多个 AI 智能体或 AI 任务的过程，确保它们按正确的顺序和方式工作。
 
-就像乐队指挥一样，编排器决定哪个智能体在什么时候做什么事情，如何传递信息，如何汇总结果。
+如果说多智能体协作关注的是 “有哪些角色参与”，那编排关注的是 “谁先干、谁后干、结果怎么汇总”，它是多智能体系统的指挥中枢。
+
+就像乐队指挥一样，编排器决定哪个智能体在什么时候做什么事情、如何传递信息、如何汇总结果。
 
 ![](https://pic.yupi.icu/1/image-20260112112854174.png)
 
@@ -292,9 +323,9 @@ Agentic Coding 是指让 AI 像一个自主的 “智能体”（Agent）一样
 
 ### Subagents 子代理
 
-Subagents（子代理）是指主 AI 智能体将部分任务分派给独立的子智能体来并行处理的能力。
+Subagents（子代理）是指主 AI 智能体将部分任务分派给独立的子智能体来并行处理的机制。
 
-你可以把它理解成 AI 的下属。当主 AI 遇到一个大任务时，它可以把独立的小任务分给几个子代理同时干，自己继续处理其他工作。
+你可以把它理解成 AI 的下属，就像一个经理把活分给手下的几个员工同时干一样。当主 AI 遇到一个大任务时，它可以把独立的小任务分给几个子代理同时干，自己继续处理其他工作。
 
 Subagents 的好处是：
 
@@ -302,17 +333,47 @@ Subagents 的好处是：
 - 主代理的上下文保持干净，不会被子任务的细节污染
 - 每个子代理可以专注于自己的任务，结果更准确
 
+比如你可以让几个子代理同时审查代码库的不同模块，速度会快很多。
+
 ![](https://pic.yupi.icu/1/%E5%AD%90%E4%BB%A3%E7%90%86%E6%BC%AB%E7%94%BB%E5%A4%A7.jpeg)
 
-在 Claude Code 中，你可以在请求后面加一句 "use subagents"，就能启用这个能力。比如让几个子代理同时审查代码库的不同模块，速度会快很多。
+在 Claude Code 中，AI 会通过内置的 Task 工具自动生成子代理来处理子任务，你不需要做额外配置。你也可以在 `.claude/agents/` 目录下创建自定义的子代理（用 Markdown 文件定义），给它指定专属的角色描述、工具权限和行为规则。
 
-不过子代理也有局限，每个子代理的上下文是独立的，它们之间无法直接共享信息，所以不适合有强依赖关系的任务。另外，多个子代理同时运行会消耗更多 Token，成本会相应增加。
+不过子代理也有局限，每个子代理的上下文是独立的，它们之间无法直接共享信息，所以不适合有强依赖关系的任务。另外，多个子代理同时运行会消耗更多 Token，成本会相应增加。就像公司招人一样，多招几个人确实能干得更快，但工资支出也得跟着涨，而且人多了沟通协调的成本也会上来。
+
+
+
+### Agent Teams 智能体团队
+
+[Agent Teams](https://code.claude.com/docs/en/agent-teams)（智能体团队）是 2026 年兴起的多智能体编程新模式，由 Claude Code 率先推出。它让 3 ~ 5 个独立的 AI 智能体组成团队，在同一个项目上并行工作。
+
+和传统的单 AI 对话不同，Agent Teams 中有一个 Team Lead（队长）负责拆解任务和协调工作，其他 Teammates（队员）各自领取任务独立执行，还能通过消息系统互相沟通。
+
+![](https://pic.yupi.icu/1/subagents-vs-agent-teams-light.png)
+
+打个比方，以前用 AI 编程就像你一个人带一个实习生干活，现在 Agent Teams 相当于你直接管了一个小团队，前端、后端、测试同时干，效率翻了好几倍。Anthropic 的工程团队曾用 16 个 Agent 同时工作，产出了 10 万行 Rust 代码！把原本需要数天的工作压缩到了几小时。
+
+当然，代价就是花费的 Tokens 可能会更多，不是什么时候都建议使用 Agent Teams。
+
+
+
+### Background Agent
+
+后台 Agent（Background Agent）是让 AI 在后台自主运行、完成任务后再通知你结果的能力。
+
+传统的 AI 编程需要你盯着屏幕等 AI 一步步做完，电脑还不能关。而后台 Agent 允许你把任务交给 AI 后，就去做别的事情，AI 会在云端独立完成工作，你甚至可以关掉电脑！
+
+比如让 AI 在后台修复一批 Bug、跑一轮代码审查、或者完成一个完整的功能模块，做完了会通知你来验收。
+
+目前 Claude Code、Cursor 等工具都已经支持后台 Agent 能力。以后 AI 编程可能就像发微信一样，你在手机上把需求发过去，该干嘛干嘛，等 AI 做完了来找你验收就行。
+
+![](https://pic.yupi.icu/1/cursor%20agent%E5%90%8E%E5%8F%B0%E8%83%BD%E5%8A%9B_%E5%89%AF%E6%9C%AC.jpg)
 
 
 
 ### Agent Loop 智能体循环
 
-Agent Loop 是 AI 智能体的核心工作机制，描述了智能体如何持续运行来完成任务。
+Agent Loop（智能体循环）是 AI 智能体的核心工作机制，简单来说就是 AI 通过不断重复 “感知-思考-行动-观察” 的循环来一步步完成任务。
 
 一个典型的 Agent Loop 包括：
 
@@ -322,24 +383,26 @@ Agent Loop 是 AI 智能体的核心工作机制，描述了智能体如何持
 4. 观察：检查行动的结果
 5. 循环：根据结果决定是否继续
 
-这个循环会一直进行，直到任务完成或达到终止条件。理解 Agent Loop 能帮你更好地使用 Cursor Agent 等工具。
+这个循环会一直进行，直到任务完成或达到终止条件。
+
+理解 Agent Loop 能帮你更好地规划任务和管理 AI 的工作过程。需要特别注意的是，AI 编程时 Agent Loop 的循环次数不要太多，很多工具都有最大循环次数限制，循环太多不仅效果不好，还会疯狂烧 Token！有朋友一觉醒来发现额度用光了，就是因为让 AI 陷入了无限循环……
 
 
 
 ### ReAct 推理与行动
 
-ReAct（Reasoning and Acting）是一种让 AI 智能体交替进行推理和行动的技术框架。
+ReAct（Reasoning and Acting）是一种让 AI 智能体交替进行推理和行动的技术范式。它的核心思想很简单：让 AI 先想清楚再动手，动完手再看看效果，然后继续想下一步怎么做。
 
-传统的 AI 要么只思考不行动，要么只行动不思考。ReAct 让 AI 能够：
+传统的 AI 要么只思考不行动，要么只行动不思考。而 ReAct 让 AI 能够：
 
-- 先推理：思考当前情况，制定计划
-- 再行动：执行具体操作
-- 观察结果：看看行动效果如何
-- 继续推理：根据结果调整策略
+1. 先推理：思考当前情况，制定计划
+2. 再行动：执行具体操作
+3. 观察结果：看看行动效果如何
+4. 继续推理：根据结果调整策略
 
 这种 “思考 - 行动 - 观察” 的循环让 AI 能更可靠地完成复杂任务，是现代 AI 编程工具的核心技术之一。
 
-![](https://pic.yupi.icu/1/react-agent.png)
+![](https://pic.yupi.icu/1/ReAct%E6%8E%A8%E7%90%86%E4%B8%8E%E8%A1%8C%E5%8A%A8%E5%A4%A7.jpeg)
 
 
 
@@ -347,13 +410,17 @@ ReAct（Reasoning and Acting）是一种让 AI 智能体交替进行推理和行
 
 深度思考（Deep Thinking）是让 AI 在回答之前先进行一段内部推理的能力，也叫 “扩展思考” 或 “思考模式”。
 
+它和前面提到的思维链提示（CoT）有什么区别呢？
+
+思维链提示是一种提示词技巧，通过提示词引导 AI 展示推理过程；而深度思考是模型内置的能力，AI 会在内部自动进行深度推理，不需要你在提示词中特别要求。
+
 普通模式下，AI 收到问题后会直接生成回答。而开启深度思考后，AI 会先在内部进行一系列推理步骤，比如分析问题、考虑多种方案、评估利弊，然后才输出最终答案。你有时能在 AI 的回复中看到一个 “思考中...” 的过程，那就是深度思考在工作。
 
 ![](https://pic.yupi.icu/1/image-20260215104649777.png)
 
 深度思考特别适合复杂的编程任务，比如设计系统架构、排查难以定位的 Bug、优化算法等。代价是速度更慢、Token 消耗更多。
 
-目前主流模型都支持深度思考，并且你可以选择是否开启思考模式。
+目前主流 AI 模型和 AI 编程工具都支持深度思考，并且你可以选择是否开启思考模式。
 
 
 
@@ -362,7 +429,7 @@ ReAct（Reasoning and Acting）是一种让 AI 智能体交替进行推理和行
 
 自适应思考（Adaptive Thinking）是深度思考的智能化版本，让 AI 自动判断当前问题需要多深的思考程度。
 
-以前深度推理模式只能手动开关，开了的话简单问题也慢吞吞地想半天（浪费钱），关了的话复杂问题又容易出错。
+以前深度推理模式只能手动开关，开了的话简单问题也慢吞吞地想半天、还浪费钱，关了的话复杂问题又容易出错。
 
 AI 有了自适应思考能力后，可以做到简单问题秒回，复杂问题会自动进入深度思考模式。这样既保证了质量，又节省了时间和成本。
 
@@ -375,13 +442,9 @@ Anthropic 在 Claude Opus 4.6 中率先引入了自适应思考能力，开发
 
 ### 工具调用
 
-工具调用（Tool Use / Function Calling）是让 AI 能够使用外部工具和功能的技术。AI 本身只能生成文字，但通过工具调用，它可以：
+工具调用（Tool Use / Function Calling）是让 AI 能够使用外部工具和功能的技术。
 
-- 读写文件
-- 执行命令行命令
-- 搜索网页
-- 调用 API
-- 操作数据库
+AI 本身只能生成文字，但通过工具调用，它可以读写文件、搜索网页、执行命令和脚本、调用 API、操作数据库等等。
 
 ![](https://pic.yupi.icu/1/1746590338968-0240c12b-2956-47f4-b8ff-5b5f831221f6.png)
 
@@ -390,13 +453,15 @@ Anthropic 在 Claude Opus 4.6 中率先引入了自适应思考能力，开发
 1. 识别需求：AI 判断当前任务需要使用工具
 2. 选择工具：从可用工具中选择合适的
 3. 执行调用：用正确的参数调用工具
-4. 整合结果：将工具返回的结果融入回答
+4. 整合结果：将工具返回的结果融入回答，继续完成任务
+
+举个例子，用户想要获取 [编程导航网站](https://www.codefather.cn) 的热门文章，下面这张图清晰地展示了工具调用的完整流程：
 
 ![](https://pic.yupi.icu/1/%E5%B7%A5%E5%85%B7%E8%B0%83%E7%94%A8%E6%B5%81%E7%A8%8B.png)
 
-需要注意的是，AI 模型本身并不直接执行工具，而是生成 “我想调用这个工具，参数是这些” 的指令，由外部程序执行后把结果返回给 AI。
+需要注意的是，AI 模型本身并不直接执行工具，而是生成 “我想调用这个工具，参数是这些” 的指令，由外部系统执行后把结果返回给 AI。
 
-在 Vibe Coding 中，工具调用让 AI 从 "只会说" 变成 "能动手"。比如 Cursor 的 Agent 模式就是通过工具调用来读取文件、修改代码、运行命令的。
+有了工具调用，AI 就从 “只会说” 变成了 “能动手”。如果没有工具调用，AI 只能告诉你该怎么改代码，你还得自己去复制粘贴；而有了工具调用，AI 可以直接帮你读取文件、修改代码、运行命令，一条龙搞定。比如 Cursor 的 Agent 模式就是通过工具调用来实现自主编程的。
 
 
 
@@ -404,7 +469,7 @@ Anthropic 在 Claude Opus 4.6 中率先引入了自适应思考能力，开发
 
 MCP（Model Context Protocol）是 Anthropic 在 2024 年底推出的开放标准，用于让 AI 模型安全地连接外部数据源和工具。
 
-你可以把 MCP 理解成 AI 世界的 “USB 接口”。有了 MCP，AI 就能方便地读取你的文件、访问数据库、调用各种工具，而不需要每个工具都单独开发接口。
+你可以把 MCP 理解成 AI 世界的 “USB 接口”。就像 USB 接口让各种设备（键盘、鼠标、U 盘）都能用同一种方式连接电脑一样，MCP 让各种外部工具（文件管理、数据库、搜索引擎等）都能用同一种方式连接 AI，不用为每个工具单独写一套对接代码。
 
 ![](https://pic.yupi.icu/1/1746710765234-c974bda8-666e-45b3-adc4-ace97cbb8c0a.png)
 
@@ -422,33 +487,33 @@ MCP 的核心价值在于 **标准化**。开发者不需要为每个 AI 工具
 
 ### Agent Skills 智能体技能
 
-Agent Skills（智能体技能）是 Anthropic 在 2025 年 10 月推出的开放标准，用于给 AI 智能体扩展特定领域的专业能力。
+Agent Skills（智能体技能）是 Anthropic 在 2025 年 10 月推出的 [一套开放标准](https://platform.claude.com/docs/zh-CN/agents-and-tools/agent-skills/overview)，目的是让 AI 能够学习使用各种专业技能，快速扩展特定领域的专业能力。
 
-简单来说，Skill 就是一个包含 `SKILL.md` 文件的文件夹，里面可以放置指令说明、脚本代码、参考资料等。当 AI 遇到相关任务时，会自动加载对应的 Skill 来增强自己的能力。
+简单来说，Agent Skills 就是给 AI 准备的 **技能包**。技能包里有精心设计的提示词、代码脚本、还有各种资源文件。
+
+![](https://pic.yupi.icu/1/1769306811193-2ee3acbc-5e36-46c2-8d08-b2682494fb56.png)
+
+把 AI 想象成一个职场小白，给他装上 `文档处理技能`，它就立刻知道怎么生成 PPT、处理 Excel 表格；装上 `代码规范技能`，它就知道怎么按照公司标准写代码。
+
+![](https://pic.yupi.icu/1/1769306900359-2a2b73da-a366-411d-ad3b-2ae61f6b5bc4.png)
+
+Skill 的本质是一个包含 `SKILL.md` 文件的文件夹，里面可以放置指令说明、脚本代码、参考资料等。当 AI 遇到相关任务时，会自动加载对应的 Skill 来增强自己的能力。
 
 ![](https://pic.yupi.icu/1/agent%2520skills.jpeg)
 
-你可以把 Skill 理解成给 AI 的 “新员工入职指南”。比如：
-
-- 一个 PDF 处理 Skill，教会 AI 如何填写 PDF 表单
-- 一个项目部署 Skill，包含你团队特有的部署流程和脚本
-- 一个代码审查 Skill，定义了你项目的代码规范和检查清单
-
-Skills 的核心设计是 **渐进式披露**：AI 只在需要时才加载相关内容，不会一次性把所有信息都塞进上下文，既节省 Token 又保持灵活性。
+Skills 的核心设计是 **渐进式披露**，AI 只在需要时才加载相关内容，不会一次性把所有信息都塞进上下文，既节省 Token 又保持灵活性。
 
 ![](https://pic.yupi.icu/1/agent%20skills%20bundling.jpeg)
 
-💡 想要发现更多好用的 Agent Skills？可以访问 [鱼皮 AI 导航 - Skills 大全](https://ai.codefather.cn/skills)，持续更新优质技能，释放 AI 执行潜力。
+💡 想要发现更多好用的 Agent Skills？可以访问 [鱼皮 AI 导航 - Skills 大全](https://ai.codefather.cn/skills)，持续更新优质技能，让 AI 帮你干更多活。
 
 
 
 ### Hooks 钩子
 
-Hooks（钩子）是 AI 编程工具中的一种自动化机制，可以在特定事件发生时自动执行预设的操作。
+Hooks（钩子）是 AI 编程工具中的一种自动化触发器。当 AI 完成某个动作（比如生成代码、提交代码、运行命令）时，Hook 会自动执行你预设的脚本或检查流程。
 
-你可以把 Hooks 理解成触发器：当 AI 完成某个动作（比如生成代码、提交代码、运行命令）时，Hook 会自动触发一段脚本或检查流程。
-
-比如在 Claude Code 中，Hooks 可以用来：
+各种主流 AI 编程工具都支持 Hooks，比如在 Claude Code 中，Hooks 可以用来：
 
 - 代码生成后自动运行格式化工具
 - 文件修改后自动执行测试
@@ -457,7 +522,7 @@ Hooks（钩子）是 AI 编程工具中的一种自动化机制，可以在特
 
 ![](https://pic.yupi.icu/1/image-20260215105006734.png)
 
-Hooks 让你的 AI 工作流更加自动化，减少手动操作。不过要注意，Hooks 配置不当可能会阻塞 AI 的正常工作流程，建议先在小范围测试，确认没问题再推广到整个项目。
+Hooks 让你的 AI 工作流更加自动化，减少手动操作。但是要注意，Hooks 配置不当可能会阻塞 AI 的正常工作流程，建议先在小范围测试，确认没问题再推广到整个项目。
 
 
 
@@ -465,7 +530,7 @@ Hooks 让你的 AI 工作流更加自动化，减少手动操作。不过要注
 
 斜杠命令（Slash Commands）是在 AI 编程工具的对话框中输入 `/` 触发的快捷指令，可以快速执行常用操作。
 
-你可以把斜杠命令理解成操作 AI 的快捷键。Cursor、Claude Code 等主流 AI 编程工具都支持斜杠命令，比如在 Claude Code 中：
+你可以把斜杠命令理解成操作 AI 的快捷键。Cursor、Claude Code 等主流 AI 编程工具都支持斜杠命令，比如 Claude Code 内置了这些常用的斜杠命令：
 
 - `/help`：查看可用命令
 - `/compact`：压缩当前对话的上下文
@@ -474,7 +539,11 @@ Hooks 让你的 AI 工作流更加自动化，减少手动操作。不过要注
 
 ![](https://pic.yupi.icu/1/image-20260215105146492.png)
 
-更强大的是，你可以自定义斜杠命令，把常用的工作流封装起来复用。比如创建一个 `/commit-push-pr` 命令，一次性完成代码提交、推送和创建 PR；或者搞个 `/techdebt` 命令，每次会话结束跑一下清理重复代码。自定义命令还可以用 Git 管理，跨项目复用。
+你可以自定义斜杠命令，把常用的工作流封装起来复用。比如创建一个 `/commit-push-pr` 命令，一次性完成代码提交、推送和创建 PR；或者搞个 `/techdebt` 命令，每次会话结束跑一下清理重复代码。
+
+自定义命令的本质其实就是一个 Markdown 文件，在 Cursor 中，只需要在项目的 `.cursor/commands/` 目录下创建 `.md` 文件，里面写上你想要 AI 执行的指令，这个文件名就会变成一个斜杠命令。还可以用 Git 版本控制工具来管理自定义命令的文件，跨项目复用。
+
+![](https://pic.yupi.icu/1/image-20260302171806320.png)
 
 
 
@@ -484,28 +553,32 @@ A2A（Agent-to-Agent）是指 AI 智能体之间相互通信和协作的协议
 
 就像人和人之间需要语言来沟通，AI 智能体之间也需要标准化的方式来交换信息、分配任务、汇报结果。
 
-A2A 协议让不同的 AI 智能体能够组成团队，分工合作完成复杂任务。
+A2A 协议让不同的 AI 智能体能够组成团队，分工合作完成复杂任务。这个协议由 Google 在 2025 年推出，目前已有超过 150 家企业加入支持。
 
 ![](https://pic.yupi.icu/1/a2a-agent.png)
 
+不要把 A2A 和 MCP 搞混！二者是互补关系，MCP 解决的是 AI 连接工具的问题，A2A 解决的是 AI 之间沟通协作的问题。
+
 
 
 ### BMAD 敏捷 AI 开发方法
 
-[BMAD-METHOD](https://github.com/bmad-code-org/BMAD-METHOD)（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驱动开发方法）是一套系统化的 AI 智能体开发框架，旨在将原本混乱的 AI 编程过程变得结构化、可复用。
+[BMAD-METHOD](https://github.com/bmad-code-org/BMAD-METHOD)（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驱动开发方法）是一套系统化的 AI 智能体开发框架，目标是将原本混乱的 AI 编程过程变得结构化、可复用。
 
 BMAD 使用 **角色化智能体** 的方式组织开发流程，每个智能体扮演特定角色：
 
-- Analyst Agent（分析师）：创建项目简报，包含市场分析和用户画像
-- PM Agent（产品经理）：将简报转化为详细的产品需求文档（PRD）
-- Architect Agent（架构师）：设计技术实现方案和系统架构
+- Analyst Agent 分析师：创建项目简报，包含市场分析和用户画像
+- PM Agent 产品经理：将简报转化为详细的产品需求文档（PRD）
+- Architect Agent 架构师：设计技术实现方案和系统架构
 
 BMAD 中的智能体分为两种类型：
 
-- Simple Agents（简单智能体）：单文件、自包含，适合代码审查、文档生成等聚焦任务
-- Expert Agents（专家智能体）：具有跨会话持久记忆，配有专属文件夹存放资源，适合复杂的多步骤工作流
+- Simple Agents 简单智能体：单文件、自包含，适合代码审查、文档生成等聚焦任务
+- Expert Agents 专家智能体：具有跨会话持久记忆，配有专属文件夹存放资源，适合复杂的多步骤工作流
 
-每个智能体都有标准化的组成部分：人设（角色、身份、沟通风格、原则）、能力列表、交互菜单，以及可选的关键行动。
+每个智能体都有标准化的组成部分，包括人设（角色、身份、沟通风格、原则）、能力列表、交互菜单，以及可选的关键行动。
+
+![](https://pic.yupi.icu/1/BMAD%E5%BC%80%E5%8F%91%E6%B5%81%E7%A8%8B%E5%A4%A7.jpeg)
 
 BMAD 在 GitHub 上获得了几万+ Star，说明这种结构化的 AI 开发方法正在被越来越多的开发者认可。
 
@@ -516,7 +589,7 @@ BMAD 在 GitHub 上获得了几万+ Star，说明这种结构化的 AI 开发方
 
 ### Browser Use 浏览器使用
 
-Browser Use（浏览器使用）是让 AI 智能体能够自动操控网页浏览器的技术能力。通过 Browser Use，AI 可以像人类一样浏览网页、点击按钮、填写表单、提取数据。
+Browser Use（浏览器使用）是让 AI 智能体能够自主操控网页浏览器的技术能力。通过 Browser Use，AI 可以像人类一样浏览网页、点击按钮、填写表单、提取数据。
 
 Browser Use 的典型应用场景：
 
@@ -535,7 +608,7 @@ Browser Use 的一个关键优势是，AI 可以利用你现有的浏览器会
 
 ### Computer Use 计算机使用
 
-Computer Use（计算机使用）是 Anthropic 公司在 2024 年推出的 AI 能力，让 Claude 能够像人类一样操作整个计算机桌面。
+Computer Use（计算机使用）是 Anthropic 公司在 2024 年推出的 AI 能力，让 Claude 大模型能够像人类一样操作整个计算机桌面。
 
 和 Browser Use 只能操作浏览器不同，Computer Use 可以操作任何桌面应用程序，比如：
 
@@ -551,9 +624,9 @@ Computer Use 的工作原理是一个持续的反馈循环：
 3. 执行操作：发送鼠标/键盘输入
 4. 观察结果：检查操作效果，调整策略
 
-💡 为了安全起见，Computer Use 通常在虚拟机或容器中运行，不会直接控制你的真实电脑。
+💡 为了安全起见，Computer Use 一般需要在虚拟机或容器中运行，不会直接控制你的真实电脑。
 
-Computer Use 代表了 AI 从 "只能生成文字" 到 "能够操作软件" 的重大跨越，彻底改变人机交互方式。
+Computer Use 代表了 AI 从 “只能生成文字” 到 “能够操作软件” 的重大跨越，彻底改变人机交互方式。
 
 基于 Computer Use 技术，Anthropic 在 2026 年推出了 [Claude Cowork](https://claude.com/product/cowork)，这是一个桌面端 AI 助手，可以直接访问你电脑上的文件和文件夹，帮你整理下载目录、从截图中提取数据到表格、准备品牌报告等日常办公任务。
 
@@ -574,7 +647,11 @@ Computer Use 代表了 AI 从 "只能生成文字" 到 "能够操作软件" 的
 - 项目的结构和配置
 - 你提供的参考资料
 
-上下文越丰富、越相关，AI 生成的代码就越符合你的需求。这就像给一个新同事交接工作 —— 你给的背景信息越多，他上手就越快。
+上下文越丰富、越和当前任务相关，AI 生成的代码就越符合你的需求。这就像给一个新同事交接工作，你给的背景信息越多，他上手就越快。
+
+在 Cursor 中，你可以通过对话框附近的 Token 用量指示器来大致了解当前上下文的大小；在 Claude Code 中，可以使用 `/context` 命令查看上下文占用情况。
+
+![](https://pic.yupi.icu/1/image-20260302172312528.png)
 
 
 
@@ -591,6 +668,12 @@ Computer Use 代表了 AI 从 "只能生成文字" 到 "能够操作软件" 的
 - 使用规则文件定义项目规范
 - 适时清理无关的对话历史
 
+上下文工程是目前 AI 领域非常热门的研究方向。2026 年的趋势正在从简单的上下文管理，演进到更复杂的 **记忆架构** —— 让 AI 拥有短期记忆（当前对话上下文）、长期记忆（跨会话的知识积累）和外部记忆（向量数据库、知识图谱等）。
+
+比如 Claude Opus 4.5 就引入了 [Memory Tool](https://console.anthropic.com/docs/en/agents-and-tools/tool-use/memory-tool)，能让 AI 在超出上下文窗口的情况下，通过文件系统式的持久化存储来记住重要信息。根据 Anthropic 官方数据，这项技术在长时间工作流中减少了 84% 的 Token 消耗！
+
+可以说，谁能更好地解决上下文和记忆的问题，谁就能在 AI 编程领域占据优势。
+
 
 
 ### 上下文压缩
@@ -603,7 +686,7 @@ Computer Use 代表了 AI 从 "只能生成文字" 到 "能够操作软件" 的
 
 ![](https://pic.yupi.icu/1/%25E4%25B8%258A%25E4%25B8%258B%25E6%2596%2587%25E5%258E%258B%25E7%25BC%25A9%25E6%25BC%25AB%25E7%2594%25BB%25E5%25A4%25A7.jpeg)
 
-Claude Opus 4.6 就内置了上下文压缩能力，搭配它的 100 万 token 上下文窗口，可以让长时间运行的编程任务更加稳定。
+Claude Opus 4.6 已经内置了上下文压缩能力，搭配它的 100 万 token 上下文窗口，可以让长时间运行的编程任务更加稳定。
 
 
 
@@ -619,7 +702,7 @@ Claude Opus 4.6 就内置了上下文压缩能力，搭配它的 100 万 token 
 - Claude Code：使用 `CLAUDE.md` 文件
 - GitHub Copilot：使用 `.github/copilot-instructions.md` 文件
 
-以 Cursor 为例，现代的 `.mdc` 规则文件支持 YAML 元数据，可以指定规则的适用范围：
+以 Cursor 为例，`.mdc` 规则文件支持 YAML 元数据（frontmatter），可以指定规则的适用范围。根据 Cursor 官方文档，其格式如下：
 
 ```yaml
 ---
@@ -646,7 +729,7 @@ alwaysApply: false
 
 ### AGENTS.md
 
-[AGENTS.md](https://agents.md/) 是一种开放的文件格式，专门用于给 AI 编程智能体提供项目指令。
+[AGENTS.md](https://agents.md/) 是一种开放的文件格式，专门用于给 AI 编程智能体提供项目指令。它本质上也是一种规则文件，只不过是跨工具通用的开放标准。
 
 ![](https://pic.yupi.icu/1/image-20260201145003244.png)
 
@@ -671,13 +754,13 @@ alwaysApply: false
 - 工具函数使用 camelCase 命名
 ```
 
-AGENTS.md 的优势在于它是一个开放标准，被数万个开源项目采用。当你使用支持该标准的 AI 编程工具（如 Claude Code、OpenAI Codex、Cursor、GitHub Copilot 等）时，AI 会自动识别项目根目录下的 AGENTS.md 文件，并将其中的指令发送给 AI，无需你手动引用。
+AGENTS.md 的优势在于它是一个开放标准，被数万个开源项目采用。当你使用支持该标准的 AI 编程工具（比如 Claude Code、Codex、Cursor、GitHub Copilot 等）时，AI 会自动识别项目根目录下的 AGENTS.md 文件，并将其中的指令发送给 AI，不需要你手动引用。
 
 
 
 ### SDD 规范驱动开发
 
-SDD（Spec-Driven Development，规范驱动开发）是 AI 时代的一种新型开发方法论，强调在编码之前先创建精确、机器可读的规范文档。
+SDD（Spec-Driven Development，规范驱动开发）是 AI 时代的一种新型开发方法论，强调在编码之前先创建明确的、AI 能直接理解和执行的规范文档。
 
 传统开发流程是：想到什么写什么，边写边改，最后再补文档。这样容易导致需求不清晰、代码和文档对不上。
 
@@ -691,18 +774,20 @@ SDD（Spec-Driven Development，规范驱动开发）是 AI 时代的一种新
 
 因为 AI 生成代码的质量直接取决于上下文的清晰度，而不仅仅是依靠提示词技巧。一个清晰的规范文档能比任何 Prompt 黑魔法更有效地减少错误。
 
-SDD 的典型工作流程：
+SDD 的典型工作流程如下：
 
-1. Constitution（制定准则）：定义项目的基本原则、代码规范、性能标准
-2. Specify（编写规范）：描述要做什么功能、为什么做、用户需求是什么
-3. Clarify（澄清疑问）：让 AI 提出结构化问题，明确边界情况和错误处理
-4. Plan（制定方案）：确定技术栈、系统架构、数据模型、API 接口
-5. Tasks（拆解任务）：把计划拆解成可执行的任务列表，标注依赖关系和优先级
-6. Implement（执行实现）：AI 按照任务列表生成代码，人类验证
+1. Constitution 制定准则：定义项目的基本原则、代码规范、性能标准
+2. Specify 编写规范：描述要做什么功能、为什么做、用户需求是什么
+3. Clarify 澄清疑问：让 AI 提出结构化问题，明确边界情况和错误处理
+4. Plan 制定方案：确定技术栈、系统架构、数据模型、API 接口
+5. Tasks 拆解任务：把计划拆解成可执行的任务列表，标注依赖关系和优先级
+6. Implement 执行实现：AI 按照任务列表生成代码，人类验证
+
+其实这和程序员在企业中开发项目的标准流程非常相似，只不过执行者从人变成了 AI。
 
 ![](https://pic.yupi.icu/1/%2525E6%2525BC%2525AB%2525E7%252594%2525BB%2525E5%25259B%2525BE5%2525E5%2525A4%2525A7.jpeg)
 
-2025 年 9 月，GitHub 发布了开源的 [Spec Kit](https://github.com/github/spec-kit) 工具包，帮助开发者在 AI 编程中实践 SDD 方法论。它支持 Claude Code、GitHub Copilot 等主流编程工具，通过一套斜杠命令引导你完成上述流程。
+2025 年 9 月，GitHub 发布了开源的 [Spec Kit](https://github.com/github/spec-kit) 工具包，帮助开发者在 AI 编程中实践 SDD 方法论。它支持 Claude Code、GitHub Copilot 等主流编程工具，通过一套斜杠命令引导你完成上述流程。即使你不是软件开发专家，也能在 AI 的引导下轻松地走完规范的项目开发流程。
 
 ![](https://pic.yupi.icu/1/image-20260116164612533.png)
 
@@ -710,12 +795,14 @@ SDD 的典型工作流程：
 
 ### RAG 检索增强生成
 
-RAG（Retrieval-Augmented Generation）是一种让 AI 能够查阅外部知识库的技术。
+RAG（Retrieval-Augmented Generation 检索增强生成）是一种让 AI 能够先检索外部知识库、再基于检索结果生成回答的技术，目标是让 AI 的回答更准确、更有依据。
 
-普通的 AI 只能依赖训练时学到的知识，而 RAG 能让 AI 在回答问题时，先从你的文档、代码库、知识库中检索相关信息，然后基于这些信息生成回答。
+普通的 AI 只能依赖训练时学到的知识，而这些知识可能已经过时了。RAG 能让 AI 在回答问题时，先从你的文档、代码库、知识库中检索相关信息，然后基于这些信息生成回答。
 
 这对于 Vibe Coding 特别有用，因为 AI 可以参考你项目中的已有代码，生成风格一致的新代码。
 
+RAG 检索增强生成的工作流程如下图所示，做 AI 应用开发的程序员朋友们可以深入了解一下：
+
 ![](https://pic.yupi.icu/1/1745810809620-15c36bc0-5130-47fc-aaca-7d2a6ce6e3ce.png)
 
 
@@ -725,10 +812,18 @@ RAG（Retrieval-Augmented Generation）是一种让 AI 能够查阅外部知识
 
 向量数据库是专门用来存储和查询 “向量”（一种数字表示形式）的数据库。在 AI 领域，它常用来存储文本的语义表示。
 
+什么是向量呢？
+
+简单来说，向量就是一串数字组成的数组，比如 `[0.1, 0.5, 0.3, 0.8]`。每个数字代表一个特征维度。AI 可以把一段文字、一张图片、一段代码转换成这样的向量，语义相似的内容转出来的向量也会很接近。
+
 当你把代码或文档存入向量数据库后，AI 就能快速找到语义相似的内容，即使搜索词和原文不完全一样。
 
+![](https://pic.yupi.icu/1/1769047066536-0ef08cd3-b86b-4c97-9016-7add32a710b8.png)
+
 比如，你搜 “用户登录”，它能找到叫 "handleAuth" 的函数，因为它们在语义上是相关的。
 
+随着 AI 的爆发，市面上涌现了非常多支持向量存储的数据库：
+
 ![](https://pic.yupi.icu/1/1745813546910-9b39355a-85ab-4673-b52b-7f11349a55d7.jpeg)
 
 
@@ -740,10 +835,10 @@ RAG（Retrieval-Augmented Generation）是一种让 AI 能够查阅外部知识
 
 在向量空间中，语义相似的内容会靠得更近。这就是为什么向量数据库能进行语义搜索的原理。
 
-你不需要深入理解嵌入的技术细节，只需要知道它是 RAG 和代码语义搜索的基础技术。
-
 ![](https://pic.yupi.icu/1/1745812543781-8ef377d0-2dac-4d17-a504-35de13fbaad0.png)
 
+你不需要深入理解嵌入的技术细节，只需要知道它是 RAG 和代码语义搜索的基础技术就好。
+
 
 
 
@@ -752,39 +847,54 @@ RAG（Retrieval-Augmented Generation）是一种让 AI 能够查阅外部知识
 
 ### AI 幻觉
 
-AI 幻觉（Hallucination）是指 AI 编造了不存在的内容，比如虚构的 API、错误的函数用法、不存在的库。
+AI 幻觉（Hallucination）是指 AI 输出了不符合事实的内容，可能是编造了不存在的 API、给出了错误的函数用法、推荐了根本不存在的库，甚至胡编乱造一些看起来很合理但完全错误的信息。
+
+比如下面这段对话，我让 AI 介绍一下程序员鱼皮，结果它一本正经地胡说八道，我的本名可不是这个……
+
+![](https://pic.yupi.icu/1/image-20260104184328898.png)
 
 这是大语言模型的固有问题，因为它们是基于概率生成内容的，有时会 “脑补” 不存在的东西。
 
-遇到幻觉时的应对方法：
+在 AI 编程时，我们可以通过以下方法尽量减少幻觉带来的影响：
 
 - 要求 AI 提供文档链接验证
 - 自己查官方文档确认
 - 换个模型试试
 - 开新对话重新描述问题
+- 利用 Context7 等获取到最新技术文档的 MCP 扩展
+
+对于做 AI 应用开发的程序员来说，如何消除幻觉是一个需要重点攻克的挑战。前面提到的 RAG（检索增强生成）技术就是目前最主流的解决方案之一，通过让 AI 先检索真实数据再回答，大幅降低幻觉的概率。
 
 
 
 
 ### 温度
 
-温度（Temperature）是控制 AI 输出随机性的参数，取值通常在 0-2 之间。
+温度（Temperature）是控制 AI 输出随机性的参数，取值一般在 0 ~ 2 之间（不同大模型和 AI 编程工具的设置范围可能会有区别）。
 
 - 温度低（如 0.1）：输出更确定、更保守，适合写代码
 - 温度高（如 1.0）：输出更随机、更有创意，适合头脑风暴
 
-在编程场景中，通常使用较低的温度，让 AI 生成更稳定、更可预测的代码。
+在编程场景中，一般使用较低的温度，让 AI 生成更稳定、更可预测的代码。而在需要 AI 发挥创意的场景（比如起名字、写文案、头脑风暴产品方案），可以适当调高温度，让 AI 给出更多样化的建议。
+
+比如下图，我把温度调高，输出的结构可能完全不同：
+
+![](https://pic.yupi.icu/1/image-20260302173616073.png)
 
 
 
 ### 流式输出
 
-流式输出（Streaming）是指 AI 一边生成内容，一边实时显示给你，而不是等全部生成完再显示。
+流式输出（Streaming）是指 AI 一边生成内容，一边实时显示给用户，而不是等全部生成完再显示。
 
-这就像看直播而不是看录播，你能实时看到 AI 的思考过程，如果发现方向不对，可以及时中断。
+这就像看直播而不是看录播，你能实时看到 AI 的输出过程和生成的内容，如果发现方向不对，可以及时中断，避免浪费 Token。
 
 大多数 AI 编程工具都支持流式输出，让交互体验更流畅。
 
+在技术实现上，流式输出一般基于 SSE（Server-Sent Events，服务器推送事件）技术，服务端通过持续推送数据片段给客户端，做到实时展示。
+
+![](https://pic.yupi.icu/1/image-20260302173858827.png)
+
 
 
 ## 开发工具概念
@@ -792,9 +902,9 @@ AI 幻觉（Hallucination）是指 AI 编造了不存在的内容，比如虚构
 
 ### IDE 集成开发环境
 
-IDE（Integrated Development Environment）是程序员用来写代码的综合软件，通常包含代码编辑器、调试器、终端等工具。
+IDE（Integrated Development Environment 集成开发环境）是程序员用来写代码的综合软件，一般包含代码编辑器、调试器、终端、插件扩展市场等。
 
-VS Code 是目前最流行的 IDE。Cursor 和 Windsurf 都是基于 VS Code 开发的 AI 代码编辑器，继承了 VS Code 的功能，同时增加了 AI 能力。
+VS Code 是目前最流行的轻量级 IDE，由微软开发并开源。Cursor 和 Windsurf 都是基于 VS Code 开发的 AI 代码编辑器，继承了 VS Code 的界面风格和功能，同时大幅扩展了 AI 能力。
 
 ![](https://pic.yupi.icu/1/image-20260112113710320.png)
 
@@ -803,22 +913,23 @@ VS Code 是目前最流行的 IDE。Cursor 和 Windsurf 都是基于 VS Code 开
 
 ### 代码编辑器
 
-代码编辑器是用来编写和修改代码的工具。它通常提供语法高亮、代码补全、错误提示等功能，帮助你更高效地写代码。
+代码编辑器是用来编写和修改代码的工具，提供语法高亮、代码补全、错误提示等功能，帮助你更高效地写代码。
 
-常见的代码编辑器有 Sublime Text 等。区别于 IDE 的区别，它们相对轻量、启动快速，适合快速编辑单个文件；而 IDE 的功能更全面，集成了调试器、终端、版本控制等工具，适合大型项目开发。
+常见的代码编辑器有 Sublime Text、Vim 等。区别于 IDE 集成开发环境，它们相对轻量、启动快速，适合快速编辑单个文件；而 IDE 的功能更全面，集成了调试器、终端、版本控制等工具，适合专业开发者和大型项目开发。
 
-在 Vibe Coding 时代，代码编辑器集成了 AI 能力，可以根据你的提示词自动生成代码、解释代码、修复错误。比如 Cursor 虽然功能强大像 IDE，但它的核心还是一个 AI 增强的代码编辑器。
+![](https://pic.yupi.icu/1/image-20260302174013740.png)
 
+在 Vibe Coding 时代，代码编辑器集成了 AI 能力，可以根据你的提示词自动生成代码、解释代码、修复错误。比如早期的 Cursor 虽然功能强大，但它的核心还是一个 AI 增强的代码编辑器。
 
 
 
 ### 零代码平台
 
-零代码平台（No-Code Platform）是不需要写代码就能创建应用的平台。你通过可视化界面拖拽组件、配置参数来构建应用。
+零代码平台（No-Code Platform）是不需要写代码就能创建应用的平台。与之相近的还有低代码平台（Low-Code Platform），它允许通过少量代码加上可视化拖拽来构建应用，自由度更高一些。
 
-在 AI 时代，像 Bolt.new、Lovable、v0.dev、百度秒哒这样的平台结合了零代码和 AI，你用自然语言描述需求，平台自动生成完整的应用。
+在 AI 时代，像 Bolt.new、Lovable、v0.dev、百度秒哒这样的平台结合了零代码和 AI，你可以用自然语言描述需求，平台自动生成完整可在线访问的应用。
 
-零代码平台特别适合完全没有编程经验的新手，或者想快速做原型的场景。
+零代码平台特别适合完全没有编程经验的新手，或者想快速做原型的场景。不过缺点也很明显，出了问题不好调试，也很难深度定制，项目做大了容易遇到瓶颈。
 
 ![](https://pic.yupi.icu/1/image-20260104141512389.png)
 
@@ -827,11 +938,13 @@ VS Code 是目前最流行的 IDE。Cursor 和 Windsurf 都是基于 VS Code 开
 
 ### 代码补全
 
-代码补全（Code Completion）是 AI 预测你接下来要写什么代码，并自动提供建议的功能。
+代码补全（Code Completion）是指 AI 根据你当前的代码上下文，自动预测你接下来要写的内容并提供建议。
 
 当你写代码时，AI 会根据上下文推测你的意图，提供代码片段供你选择。按下 Tab 键就能接受建议，大大提高编码速度。
 
-GitHub Copilot 是目前最知名的 AI 代码补全工具。
+![](https://pic.yupi.icu/1/image-20260302174238835.png)
+
+早在 2021 年，GitHub 就推出了 Copilot，开创了 AI 代码补全的先河。但谁也没想到，短短几年后 AI 已经从 “补全几行代码” 进化到了 “自主开发整个项目”。如今各大 AI 编程工具都支持代码补全，但越来越多的开发者已经不满足于逐行补全了，而是直接用 Agent 模式让 AI 一口气写完整个功能。
 
 
 
@@ -839,11 +952,13 @@ GitHub Copilot 是目前最知名的 AI 代码补全工具。
 
 代码审查（Code Review）是检查代码质量、发现问题、提出改进建议的过程。
 
-在传统开发中，一般会由同事或上级来做。在 Vibe Coding 中，你可以让 AI 帮你审查代码，它会指出潜在的 bug、安全问题、性能问题，并提供修改建议。
+没有代码审查的项目，Bug 往往要等到上线之后才被发现，修复成本很高。而有了代码审查，很多问题在代码合并之前就能被提前发现和修复。
+
+在传统开发中，代码审查一般由同事或上级来做。在 Vibe Coding 中，你可以让 AI 帮你审查代码，它会指出潜在的 bug、安全问题、性能问题，并提供修改建议。
 
 ![](https://pic.yupi.icu/1/image-20260112114023226.png)
 
-但要注意，AI 的审查不能完全替代人工审查，特别是对于重要的生产代码。
+但要注意，AI 的审查不能完全替代人工审查！特别是对于重要的生产代码。
 
 
 
@@ -852,14 +967,16 @@ GitHub Copilot 是目前最知名的 AI 代码补全工具。
 
 Linter 是自动检查代码问题的工具，能发现语法错误、风格问题、潜在 bug 等。
 
-常见的 Linter 有 ESLint（JavaScript）、Pylint（Python）等，它们像一个严格的语法老师，帮你保持代码规范。
+常见的 Linter 有前端的 ESLint、Python 的 Pylint、Go 的 golint 等，它们像一个严格的语法老师，帮你保持代码规范。
 
-在 Vibe Coding 中，Linter 能帮你快速发现 AI 生成代码中的问题。
+在 Vibe Coding 中，Linter 能帮你快速发现 AI 生成代码中的问题。而且很多时候，AI 在帮你创建前端项目时会自动整合 ESLint 等 Linter 工具，省去了你手动配置的麻烦。
+
+![](https://pic.yupi.icu/1/image-20260116131356553.png)
 
 
 
 
-### 调试
+### Debug 调试
 
 调试（Debug）是找到并修复代码中错误的过程。当代码运行结果不符合预期时，你需要调试来定位问题。
 
@@ -872,24 +989,20 @@ Linter 是自动检查代码问题的工具，能发现语法错误、风格问
 
 ![](https://pic.yupi.icu/1/image-20251027214825243.png)
 
-在 Vibe Coding 中，你可以把错误信息发给 AI，让它帮你分析原因并提供修复方案。
+在 AI 编程时，你可以直接把错误信息发给 AI，让它帮你分析原因并提供修复方案，甚至是自主修复。
 
 
 
 ## 项目管理概念
 
 
-### MVP（最小可行产品）
+### MVP 最小可行产品
 
-MVP（Minimum Viable Product）是用最少的功能满足核心需求的产品版本。
+MVP（Minimum Viable Product 最小可行产品）是指用最少的功能满足核心需求的产品版本，简单来说就是一个 “能跑起来、核心功能能用” 的最简版本。
 
-做 MVP 的好处是：
+很多同学刚开始做产品的时候会有各种奇思妙想，恨不得一口气把所有功能都做出来，结果花了大量时间在不必要的功能上，越做越复杂，最后觉得太难就直接放弃了，属于是自己把自己吓跑了。而做 MVP 的思路正好相反，先用最少的功能把核心价值跑通，快速验证想法是否可行，拿到用户反馈后再逐步迭代。
 
-- 快速验证想法是否可行
-- 避免在不必要的功能上浪费时间
-- 更快获得用户反馈
-
-比如做记账应用，MVP 版本可能只有记录支出、查看列表两个功能，其他高级功能以后再加。
+比如做一个记账 APP，MVP 版本可能只有记录支出、查看列表两个功能，其他高级功能以后再加。
 
 
 
@@ -901,6 +1014,10 @@ MVP（Minimum Viable Product）是用最少的功能满足核心需求的产品
 
 这种方法特别适合 Vibe Coding，因为你可以让 AI 先实现核心功能，测试没问题后再逐步添加新功能。
 
+顺便提一下，迭代开发是敏捷开发（Agile Development）方法论的核心实践之一。敏捷开发强调小步快跑、快速反馈、拥抱变化，非常适合 AI 编程的工作节奏。
+
+![](https://pic.yupi.icu/1/%E8%BF%AD%E4%BB%A3%E5%BC%80%E5%8F%91%E5%A4%A7.jpeg)
+
 
 
 ### 重构
@@ -916,15 +1033,17 @@ MVP（Minimum Viable Product）是用最少的功能满足核心需求的产品
 
 在 Vibe Coding 中，你可以让 AI 帮你重构代码，但要小步进行，每次重构后都要测试。
 
+注意，如果你只是用 AI 快速做个小工具，代码能跑就行，没必要花时间重构。但如果是长期维护的企业级项目，代码质量直接决定了后续迭代的效率和稳定性，定期重构就非常有必要了。
+
 
 
 ### 技术债
 
 技术债（Technical Debt）是为了快速完成功能而采用的临时方案，这些方案在未来需要花时间修复和改进。
 
-就像信用卡欠款一样，虽然现在透支方便，但以后要还，还要加利息。
+就像信用卡欠款一样，虽然现在透支方便，但迟早要还，还要加利息。
 
-在 Vibe Coding 中，AI 生成的代码可能不是最优方案，积累太多技术债会让项目越来越难维护。定期重构是偿还技术债的方式，防止出现屎山代码。
+在 Vibe Coding 中，AI 生成的代码可能不是最优方案，积累太多技术债会让项目越来越难维护。定期重构是偿还技术债的有效方法，防止出现屎山代码。
 
 ![](https://pic.yupi.icu/1/v2-806707f0f72072f1db481c237fc035ea_1440w-20260112114757928.png)
 
@@ -934,7 +1053,7 @@ MVP（Minimum Viable Product）是用最少的功能满足核心需求的产品
 
 版本控制是记录代码变更历史的系统，让你能追踪每次修改、对比不同版本、回退到之前的状态。
 
-Git 是最流行的版本控制工具，GitHub 是最流行的代码托管平台。
+Git 是最流行的版本控制工具，注意别把它和 GitHub 搞混了，Git 是在你电脑上运行的工具，GitHub 是在线的代码托管平台，用来存放和分享你用 Git 管理的代码。
 
 在 Vibe Coding 中，版本控制特别重要。因为 AI 可能会生成有问题的代码，有了版本控制，你随时可以回退到之前正常的版本。
 
@@ -945,15 +1064,21 @@ Git 是最流行的版本控制工具，GitHub 是最流行的代码托管平台
 
 ### 部署
 
-部署（Deployment）是把开发好的应用发布到服务器上，让用户能够访问使用的过程。
+部署（Deployment）是指把开发好的应用发布到服务器上，让用户能够访问并使用。
 
-常用的部署平台：
+最原始的部署方式是自己登录服务器，把代码文件打包上传后手动运行，又麻烦又容易出错。好在现在有很多自动化的部署平台，傻瓜式操作，点几下就能部署项目，常用的有：
 
 - Vercel：适合前端和全栈应用
 - Netlify：适合静态网站和前端应用
 - Railway、Render：适合后端服务
 
-很多零代码平台（如 Bolt.new）支持一键部署，点个按钮就能上线。
+![](https://pic.yupi.icu/1/image-20260302175217005.png)
+
+很多零代码平台（如 Bolt.new）都支持一键部署，点个按钮就能上线。
+
+此外，还可以利用 MCP 来实现更智能的部署。比如通过 EdgeOne Pages MCP，你只需要跟 AI 对话，AI 就能帮你自动完成网站的打包和部署，连部署平台都不用自己登录~
+
+![](https://pic.yupi.icu/1/1752212029384-16cfba8f-babb-49c0-9d41-3b76ee78eecf.png)
 
 
 
@@ -962,7 +1087,7 @@ Git 是最流行的版本控制工具，GitHub 是最流行的代码托管平台
 
 ### 前端
 
-前端（Frontend）是用户能直接看到和交互的部分，包括网页界面、按钮、表单、动画等。
+前端（Frontend）是用户能直接看到和交互的部分，包括网页界面、按钮、表单、动画等。说得粗暴一点，你在浏览器里看到的一切，都是前端！
 
 前端技术栈通常包括：
 
@@ -971,7 +1096,7 @@ Git 是最流行的版本控制工具，GitHub 是最流行的代码托管平台
 - JavaScript：交互逻辑
 - React/Vue/Next.js：现代前端框架
 
-在 Vibe Coding 中，前端是 AI 最擅长生成的部分，因为效果可以直接看到，方便验证和调整。
+在 Vibe Coding 中，前端是 AI 最擅长生成的部分，因为效果可以直接看到，方便验证和调整。你还可以利用 Agent Skills 和精心编写的提示词来美化 AI 生成的前端页面，去掉那股子 AI 味儿。具体技巧可以看鱼皮的视频：[如何去除网站的 AI 味儿](https://www.bilibili.com/video/BV1QF6EBiErM/)
 
 
 
@@ -980,13 +1105,17 @@ Git 是最流行的版本控制工具，GitHub 是最流行的代码托管平台
 
 后端（Backend）是用户看不到的部分，负责处理业务逻辑、数据存储、用户认证等。
 
+比如你在电商网站上点击 “下单” 按钮，前端把你的订单信息发给后端，后端负责校验库存、计算价格、扣款、生成订单，然后把结果返回给前端展示。
+
 后端技术栈通常包括：
 
 - Node.js/Python/Java：编程语言
 - Express/FastAPI/Spring：Web 框架
 - MySQL/PostgreSQL/MongoDB：数据库
 
-后端比前端更复杂，需要考虑安全性、性能、数据一致性等问题。AI 生成的后端代码需要更仔细地审查。
+后端比前端更复杂，需要考虑安全性、性能、数据一致性等问题。因此 AI 生成的后端代码需要更仔细地审查。
+
+![](https://pic.yupi.icu/1/%E5%89%8D%E7%AB%AF%E5%92%8C%E5%90%8E%E7%AB%AF%E4%BA%A4%E4%BA%92%E5%A4%A7.jpeg)
 
 
 
@@ -995,7 +1124,7 @@ Git 是最流行的版本控制工具，GitHub 是最流行的代码托管平台
 
 全栈（Full-stack）是指同时包含前端和后端的完整应用。全栈开发者是能同时处理前端和后端工作的程序员。
 
-在 Vibe Coding 中，像 Bolt.new 这样的工具可以一次性生成全栈应用，前后端代码都帮你写好。
+在 Vibe Coding 中，像 Cursor、Bolt.new 这样的 AI 编程工具可以一次性生成全栈应用，前后端代码都帮你写好。
 
 想进一步了解全栈程序员是什么、怎么成为全栈程序员？可以看鱼皮的这篇文章：[全栈程序员是什么？](https://www.bilibili.com/opus/534338036646820466)
 
@@ -1021,7 +1150,7 @@ API（Application Programming Interface）是不同程序之间通信的接口
 
 数据库是存储和管理数据的系统。应用中的用户信息、内容、设置等都存在数据库里。
 
-常见的数据库类型：
+常见的数据库类型有：
 
 - 关系型数据库（MySQL、PostgreSQL）：数据以表格形式存储
 - 文档数据库（MongoDB）：数据以 JSON 文档形式存储
@@ -1031,24 +1160,26 @@ API（Application Programming Interface）是不同程序之间通信的接口
 
 ![](https://pic.yupi.icu/1/1764309606178-1af81d82-b320-4bed-9c97-5dfe3847d8d3.png)
 
-在 Vibe Coding 中，你可以用 Supabase、Firebase 等 BaaS 服务，不用自己搭建和管理数据库。
+在 Vibe Coding 中，你可以用 Supabase、Firebase 等现成的云数据库服务，不用自己搭建和管理数据库。
 
 如果你想系统学习数据库知识，可以看鱼皮的数据库入门教程：[数据库入门教程](https://www.bilibili.com/video/BV1iJSLBbEyD/)
 
 
 
 
-### BaaS（后端即服务）
+### BaaS 后端即服务
 
-BaaS（Backend as a Service）是提供现成后端功能的云服务，包括数据库、用户认证、文件存储等。
+BaaS（Backend as a Service 后端即服务）是提供现成后端功能的云服务，包括数据库、用户认证、文件存储等。
 
-常用的 BaaS 服务：
+以前没有 BaaS 的时候，你得自己买服务器、装数据库、写后端接口、处理各种运维问题，光是搭环境就得折腾好久。而现在使用 BaaS，这些都是现成的，你不需要自己写后端代码和管理服务器，注册个账号就能直接用，能大大加快开发速度，特别适合 Vibe Coding 的场景。
+
+常用的 BaaS 服务有：
 
 - Supabase：开源的 Firebase 替代品
 - Firebase：Google 的 BaaS 平台
 - PlanetScale：托管的 MySQL 服务
 
-使用 BaaS，你不需要自己写后端代码和管理服务器，能大大加快开发速度。特别适合 Vibe Coding 场景。
+![](https://pic.yupi.icu/1/image-20260302175641346.png)