今天訂閲了claude pro。花費是20美元一個月，約3千日元。試了一下，識別這個blog的代碼庫很快 而且很快給出了如下的概述,並創建了這個項目的CLAUDE.md。
在第一次執行每一步任務的時候，比如執行Python指令和git指令都會確認是否執行。很有安心感。
另外也能通過對話讓claude code克隆OSS代碼，解釋如何使用OSS代碼。
---
● Update Todos
⎿ ☒ Explore codebase structure and identify key files
☒ Check for existing documentation files (README, package.json, etc.)
☒ Analyze build/development commands and scripts
☒ Create CLAUDE.md with essential information
☒ Understand the blog system architecture
● I've created a CLAUDE.md file for this blog repository. The file includes:
- Build commands: python build.py to generate the static site
- Deployment workflow: Build, commit, and push to GitHub Pages
- Architecture overview: Static blog generator that converts .txt files to HTML
- Content format: Simple text file structure with title extraction
- Build process: Details on how content is processed and output generated
- Template system: String replacement templating with Chinese localization
- Deployment info: GitHub Pages configuration and live URL
---
> 剛剛新建了一個txt，請幫我運行 python build.py 並將它更新到 https://github.com/xiaonaofua/blog.git
● Update Todos
⎿ ☐ Run python build.py to generate static site
☐ Check git status and stage changes
☐ Commit changes with appropriate message
☐ Push to GitHub repository
● Bash(python build.py)
⎿ Starting blog build...
Build successful! 3 posts generated.
Site generated in: docs/
● Update Todos
⎿ ☒ Run python build.py to generate static site
☐ Check git status and stage changes
☐ Commit changes with appropriate message
☐ Push to GitHub repository
● Bash(git status)
⎿ On branch main
Your branch is up to date with 'origin/main'.
… +17 lines (ctrl+r to expand)
● Bash(git add .)
⎿ warning: in the working copy of '.claude/settings.local.json', LF will be replaced by CRLF the next time Git touches it
● Update Todos
⎿ ☒ Run python build.py to generate static site
☒ Check git status and stage changes
☐ Commit changes with appropriate message
☐ Push to GitHub repository
● Bash(git commit -m "Add new post and rebuild site…)
⎿ [main 8357a59] Add new post and rebuild site
8 files changed, 149 insertions(+), 7 deletions(-)
create mode 100644 .claude/settings.local.json
… +3 lines (ctrl+r to expand)
● Update Todos
⎿ ☒ Run python build.py to generate static site
☒ Check git status and stage changes
☒ Commit changes with appropriate message
☐ Push to GitHub repository
● Bash(git push origin main)
⎿ To https://github.com/xiaonaofua/blog.git
9114279..8357a59 main -> main
● Update Todos
⎿ ☒ Run python build.py to generate static site
☒ Check git status and stage changes
☒ Commit changes with appropriate message
☒ Push to GitHub repository
● 完成！已成功：
1. 運行 python build.py - 生成了3篇文章的靜態網站
2. 添加所有更改到 git
3. 提交更改（包括新的 claude-pro.txt 文章和 CLAUDE.md 文檔）
4. 推送到 GitHub 倉庫
網站已更新至 https://xiaonaofua.github.io/blog
---
已成功克隆 Context-Engineering 項目！這是一個先進的 LLM 上下文工程框架，遠超基本提示工程。
核心能力
Context-Engineering 提供系統化方法來設計、編排和優化 LLM
的完整上下文窗口，而非僅限於單一提示。
可開發的軟件類型
基於此 OSS，你可以構建：
1. 智能對話系統 - 具有持久記憶和上下文感知的聊天機器人
2. 知識檢索系統 - RAG 增強的問答應用
3. 多代理協作平台 - 多個 AI 代理協同工作的系統
4. 認知工具包 - 結構化推理和問題解決工具
5. 代碼助手 - 上下文感知的編程輔助工具
快速開始路徑
1. 理論基礎: 00_foundations/01_atoms_prompting.md (5分鐘)
2. 實戰教程: 10_guides_zero_to_hero/01_min_prompt.py
3. 使用模板: 20_templates/minimal_context.yaml
4. 參考實例: 30_examples/00_toy_chatbot/
架構層次
atoms → molecules → cells → organs → neural systems → field theory
提示 → 樣本 → 記憶 → 應用 → 認知工具 → 場論
你想基於這個框架開發什麼類型的軟件？我可以幫你設計具體的實現方案。
---
開始時建議從 已有項目的漸進式集成 入手，先添加 CLAUDE.md
和基礎模板，然後逐步替換現有的 AI
交互邏輯。新項目則可以直接採用完整的上下文工程架構，從 Level 1
基礎應用開始構建。
---老項目
步驟 1: 添加 CLAUDE.md
# 將框架的 CLAUDE.md 複制到項目根目錄
cp Context-Engineering/CLAUDE.md ./CLAUDE.md
步驟 2: 創建上下文配置
# 基於 minimal_context.yaml 創建項目專用配置
cp Context-Engineering/20_templates/minimal_context.yaml
./context_config.yaml
步驟 3: 集成到現有工作流
# 在現有 AI 交互中使用上下文模板
import yaml
def load_context_template():
with open('context_config.yaml', 'r') as f:
return yaml.safe_load(f)
def enhance_existing_prompt(original_prompt, context_template):
"""將現有提示升級為上下文工程方法"""
return context_template['assembly']['template'].format(
system=context_template['system'],
user_query=original_prompt
)
步驟 4: 漸進式優化
- 首先替換簡單提示
- 添加記憶機制
- 集成 RAG 檢索
- 實現多步驟推理
---新項目
新項目中使用 Context-Engineering
1. 項目初始化
# 創建新項目結構
mkdir my-context-app
cd my-context-app
# 複制核心模板
cp -r Context-Engineering/20_templates/* ./templates/
cp -r Context-Engineering/cognitive-tools/* ./cognitive-tools/
cp Context-Engineering/CLAUDE.md ./
2. 選擇適合的架構層次
Level 1: 基礎應用 (Atoms → Organs)
# 適合：聊天機器人、FAQ 系統
from templates.minimal_context import ContextTemplate
class BasicChatbot:
def __init__(self):
self.context = ContextTemplate()
self.memory = []
def respond(self, user_input):
# 組裝上下文
full_context = self.context.assemble(
user_query=user_input,
memory=self.memory[-3:] # 保留最近3輪對話
)
return llm.generate(full_context)
Level 2: 進階應用 (Neural Systems)
# 適合：智能助手、代碼分析工具
from cognitive_tools.cognitive_templates import ReasoningTemplate
class SmartAssistant:
def __init__(self):
self.reasoning = ReasoningTemplate()
self.tools = self.load_cognitive_tools()
def solve_problem(self, problem):
# 使用結構化推理
analysis = self.reasoning.analyze(problem)
solution = self.reasoning.synthesize(analysis)
return self.reasoning.verify(solution)
Level 3: 高級應用 (Field Theory)
# 適合：多代理系統、自適應平台
from protocols.shells import AttractorShell
class AdaptiveSystem:
def __init__(self):
self.field = AttractorShell()
self.agents = []
def evolve_context(self):
# 實現場論動力學
attractors = self.field.detect_attractors()
self.field.optimize_resonance(attractors)