Claude Code子代理系统:打造可控的AI专家团队
子代理系统是我在 Claude Code 里用起来最上瘾、也最容易被误用的功能。前几篇聊了基本命令、上下文管理这些“单兵作战”技巧今天这篇专门聊它内置的子代理subagent系统——说白了就是让你不再对着一个 AI 对话窗口重复解释同一件事而是给这个 AI 配上一支可随时点名的“专家团队”。如果你已经能把主对话用得很顺但总觉得每个任务都要重新交代背景、检查结果又不够独立那这篇文章就是为你准备的。子代理系统解决的是一个很朴素的问题一个全能的对话式助手在真实项目里往往不够用。不是它能力不行而是它会受到主对话上下文、工具调用权限和任务目标的干扰。你让它一边改代码一边审代码它很容易为了完成手头的改动顺手放过了代码里的隐患。子代理的思路是拆出若干个专职角色每个角色拥有独立的上下文、明确的任务边界和受限的工具权限主代理只负责调度和汇总。下面我就从原理、配置、实战到踩坑完整拆一遍。1. 子代理不是“插件”而是一种全新的分工方式1.1 从单线程对话到多角色协作大多数人用 Claude Code 的习惯是一个主对话从头用到尾让它写代码、修 bug、解释逻辑、做代码审查全部挤在同一个上下文窗口里。一开始没问题但对话轮数一多上下文里的信息就开始互相打架。前一秒你还让它按 A 方案实现后一秒它可能顺着你的一句话把实现改成了 B 方案。你真正想要的“严格按当前文件风格写代码”这个指令被淹没在大量无关的历史讨论里。子代理系统改变了这种单线程结构。它允许你在项目里预定义若干“虚拟角色”每个角色有自己的系统提示词、工具访问范围、模型选择。主代理遇到对应任务时可以把任务整体打包交给子代理等子代理返回结果后主代理再继续完成后续工作。我习惯把这种模式理解成一个项目组主代理是项目经理子代理是组里的专家。项目经理不需要自己画架构图、逐行审代码、查依赖漏洞它只需要判断当前任务该交给谁然后把完成结果整合进整个项目上下文。这样既降低了主代理的认知负担也让每个专项任务可以在干净的环境里执行。1.2 子代理与普通任务模式的本质区别不少人第一次听说子代理时会把“加一段系统提示词”和“配一个子代理”混为一谈。这是最需要澄清的地方。普通任务模式下你只是在一段完整对话里插入新的指令所有历史上下文仍然存在。子代理则不同它拥有独立的上下文。这个新上下文通常只包含“系统提示词 当前任务描述 主代理显式提供的内容”。父对话里的历史轮次并不会自动流入子代理。也就是说子代理看到的是一张相对干净的白纸上面写好了角色定位、任务目标和交付格式。另外工具权限也是隔离的。主代理可以访问全部已启用的工具子代理只能使用你在配置里明确允许的工具。比如一个代码审查子代理我通常只给它 Read、Grep、Glob 这类只读工具不允许它直接改文件。它要做的是指出问题而不是顺手“修复”问题。很多评审动作失真的原因就是子代理手里拿着写文件的能力嘴上说“这里有 bug”手上已经把它改掉了。所以子代理系统的价值不在于“多了一个 AI 模型”而在于“多了一套上下文和权限隔离机制”。它让每个角色都能专注于自己的专业判断不被其他任务干扰也不越权做不该做的事。1.3 为什么你需要一支“专家团队”以我手上的几个中型项目为例最明显的痛点有三类。第一类是规范执行不一致。同一个项目里有的模块用了简单的直接字符串拼接有的模块用了模板字符串代码风格像两个团队写的。让主代理统一处理它改着改着就会漏。但如果有一个专门的“代码规范审查员”子代理在每次合并前扫一遍问题就能被固定流程拦住。第二类是知识背景冲突。比如你让主代理同时处理“接口兼容”和“数据库迁移”两件事它经常会把两者搅在一起。在子代理模式下数据库变更审计交给一个子代理接口兼容评审交给另一个两个角色持有不同的专业提示词结果会清晰得多。第三类是上下文被无意义信息占用。一个依赖安全检查子代理只需要读 lockfile 和漏洞数据库不需要知道你的业务模块叫什么、页面交互怎么设计。把它放在独立上下文里能省下大量 token也减少误判。说白了子代理的意义不是让 AI 更“聪明”而是让 AI 在长链路工程任务里更可控、更可复用。2. 调用链路由浅入深一个任务如何被拆给“专家团队”2.1 主代理的调度逻辑与上下文隔离子代理的触发方式从外部看非常简单你可以在对话里输入/agent之类的命令也可以通过自然语言让主代理“把这段代码交给 code-reviewer 子代理”。但内部发生的事远比表面上看起来复杂。当主代理决定调用某个子代理时它会根据子代理的description字段来判断哪个角色匹配当前任务。这个描述不是给人看的而是给主代理看的。主代理通过描述来决定“当前需求对应哪个专家”。如果描述写得含糊主代理可能选错人或者压根不调用。匹配完成之后主代理会构造一个子代理会话。这个会话的初始系统提示词是你定义的角色提示词用户消息则是主代理对当前任务的转述。注意这里有个关键点主代理不会把你整个对话历史一股脑塞给子代理它只会挑它认为必要的文件内容、代码片段、需求描述传过去。所以子代理收到的信息是经过主代理“筛选”的。这就解释了为什么你常常觉得“子代理不够了解项目”。不是它笨而是它真的只拿到了主代理转交的那部分信息。如果你希望子代理了解某个背景必须在任务描述里显式写清楚或者让它自己去读项目里的文档。2.2 子代理返回结果如何被主代理消化子代理执行完毕会返回一份结果。这份结果同样不是简简单单的一句话而是包含任务结论、关键发现、可能存在的风险点、剩余待办事项等信息。主代理拿到这份结果后会把它作为一段新的上下文内容继续与你交互。这里我特别想提醒一个实践细节子代理返回结果的质量直接决定主代理后续行为的准确性。如果你的子代理只回一句“代码有问题”主代理也没办法精准处理。所以我在定义子代理时一定会要求它在结果里给出“问题清单 文件路径 行号 修复建议”。这样主代理才能基于结构化结果做后续决策。另外一个容易忽略的点是主代理可以选择不把子代理的结果完整展示给你。它可能会做二次加工比如用更简洁的语言转述、合并多个子代理的结果。这在多子代理协作时特别常见。从使用者角度看你要理解你看到的最终回复可能已经经过主代理的“过滤和提炼”不一定能完全还原子代理的原始输出。因此在调试子代理时我会专门让子代理把完整输出写到某个 Markdown 文件里方便事后复盘。2.3 关键配置项模型、工具、权限与描述配置子代理时有几个参数直接影响效果这里逐个说。模型选择。不同任务对模型能力的敏感度不同。架构评审、复杂代码推理我用更强的模型简单的依赖检查、文本格式校验用更快更省的模型。如果在所有子代理上都用最强模型成本会很快失控但如果代码审查这种关键环节用了太弱的模型又很容易漏报。工具白名单。这是子代理安全性的核心。只读任务绝不给 Edit/Write 权限需要执行命令的任务才给 Bash。我给子代理配置工具时会遵循“最小够用”原则能只读就只读能限定目录就限定目录。描述字段。description是主代理选择子代理的依据所以它必须描述“什么情况下调用、擅长什么、不擅长什么”。比如一个代码审查子代理的描述可以写“负责代码逻辑缺陷审查、安全漏洞初筛、风格规范检查。当你需要评估变更质量时使用。不负责修改代码。”这样主代理就不会在“帮我重构”这种任务里错误调用它。权限与交互模式。有些子代理需要在上手前向你确认信息有些则需要完全自主运行。我通常把需要人工确认的步骤写进系统提示词让子代理在遇到歧义时主动提问而不是用强制等待机制。3. 亲手配置一个子代理文件格式、角色提示词与注册验证3.1 目录结构与文件格式在 Claude Code 的项目级配置里自定义子代理通常是放在项目根目录下的.claude/agents目录中以 Markdown 文件形式存在。每个文件对应一个子代理文件名就是子代理的 ID。推荐的做法是先为这个子代理起一个简短、唯一的英文名比如code-reviewer然后创建同名文件。一个最简单也最可靠的自定义子代理文件结构大致如下--- name: code-reviewer description: 擅长代码审查发现逻辑缺陷、安全隐患与风格问题。当需要评审代码改动时使用。不要用于代码重构。 tools: Read,Grep,Glob,Bash model: sonnet --- 你是一名资深的代码评审专家。你的任务是对主代理交给你的代码变更进行审查。 审查时遵循以下步骤 1. 先用 Read 读取目标文件理解上下文。 2. 用 Grep 查找相关调用关系确认改动影响面。 3. 输出问题清单格式为文件路径 | 行号 | 问题类型 | 严重程度 | 修复建议。 约束 - 你只能读取代码不能修改任何文件。 - 如果发现严重问题直接给出复现步骤。 - 不要输出客套话直接给结论。这个文件里frontmatter开头两个---之间的内容是子代理的元信息正文是角色提示词。实际字段可能因版本不同略有差异但name、description、tools、model这几个是最核心的。3.2 角色提示词的核心写法子代理的角色提示词比给主对话的提示词要更克制。它不是让你发挥文采而是让你精准定义“输入、处理、输出”三个环节。输入环节要写明子代理会收到什么。比如“你会收到一个或多个文件路径、一段需求描述、一份变更 diff”这样子代理知道从哪里开始。处理环节要写清方法与步骤。不要只写“你要认真审查”而应该写“先读文件再查调用链再对照项目规范”。步骤化越明确子代理输出的稳定性越高。输出环节是最容易被忽视的。你必须规定输出格式否则每个子代理都在自由发挥。我在配置里几乎都会要求子代理按固定结构输出比如问题清单、风险评估、建议方案。这样主代理后续消化结果的成本会大幅下降。另外如果你的项目有自己的编码规范文档可以把它放在指定路径并在子代理提示词里写明“先读取 docs/coding-standard.md再开始审查”。不过要注意子代理提示词不应该包含过多项目细节最好通过文件引用的方式让子代理按需读取而不是全部贴在提示词里。3.3 在会话中唤起与验证配置好子代理之后不是必须重启 Claude Code 才能生效。多数情况下新定义的子代理能在下一次会话中直接被识别。我建议你做一个快速验证而不是直接上生产任务。验证方式很简单先在一个小文件里故意埋两个明显的问题然后要求主代理调用这个子代理去审查。看它是否被正确调用、是否使用了规定的工具、输出是否符合格式要求。一个常见的配置错误是子代理文件写好后主代理始终不调用它。原因通常不是文件格式错了而是description写得太窄或太宽。写得太窄主代理不认为当前任务匹配写得太宽主代理很容易选错。正确的做法是把描述写成一个“调用条件清单”让主代理一看就知道什么时候用、什么时候不用。还有一个细节子代理定义文件里的名称和你在对话中口头说出的名称最好保持一致。比如文件名叫code-reviewer那么在对话里你说“交给 code-reviewer”主代理会更稳定地匹配。否则它可能需要靠description去“猜”一旦猜错整个任务节奏就乱了。4. 真实场景组合我搭的“代码评审 架构审查 迁移审计”三人组4.1 代码评审员只动口不动手我的第一个子代理是代码评审员核心作用是在大改动合入主干之前做一轮机械而稳定的检查。它的工具权限控制在 Read、Grep、Glob、Bash 四类禁止 Write、Edit、MultiEdit 等写文件工具。它的系统提示词里写明每次拿到改动文件后先列出改动涉及的功能点然后按“逻辑缺陷 / 安全隐患 / 风格问题 / 可维护性”四个维度输出清单。每一条问题后必须附上文件路径和行号。如果某个问题没有对应行号就说明它只是泛泛而谈没有真正看代码。实际用下来这个子代理最有价值的地方不是发现复杂 bug而是处理那些“主代理容易视而不见”的低级问题。比如一个变量在条件分支里未定义就被使用这类问题在长对话里经常被忽略但在独立上下文中子代理会严格按照逻辑执行检查反而不容易漏。不过要注意这个子代理不能完全替代人审。它的知识截止和模型推理上限决定了它更适合做“第一道筛子”。我通常在它与人工评审之间设定一条线子代理负责扫明显问题人工负责判断设计合理性和业务正确性。4.2 架构审查员用痛点清单推动决策第二个子代理是架构审查员。它不像代码评审员那样读每一行代码而是专门评估一次较大改动的架构合理性。它的系统提示词强调先理解现状再分析改动引入的耦合、扩展性、异常处理缺口和分层问题不纠结具体语法。为了提高它的判断质量我给它额外配置了一个项目级的架构文档路径。它在每次任务开始前会主动读取当前模块的架构说明然后再结合代码调用关系给出结论。这个子代理的产出不是“问题清单”而是一份“决策建议书”。开头是结论概要中间是支持结论的证据列表最后是三个可选方案。我拿到之后会根据实际情况做取舍。可以说它更像是我的架构思考平替用来在方案评审前先把明显问题暴露出来。4.3 依赖审计员把安全扫描沉淀为流程第三个子代理是依赖审计员主要负责检查项目的依赖文件是否存在已知漏洞、版本是否过老、是否存在锁文件不一致的问题。它的工具权限里包含 Read、Grep、Bash没有写权限所以它不能擅自升级依赖。它的提示词里明确规定先读取项目依赖清单和锁文件再对比已知漏洞库信息输出一个表格。表格的列包括“包名 / 当前版本 / 建议版本 / 风险等级 / 影响范围 / 修复方式”。如果有多个包存在风险按风险等级排序而不是按出现顺序。这个子代理的价值在于把一次性的安全检查变成常规流程。以前我每隔一段时间手动跑一遍安全命令再人工翻结果现在只需要在对话里说一句“跑一遍依赖审计”它就会走完整条链路。虽然它依赖外部工具返回的数据但它把分析、汇总、建议这些步骤固化了下来省掉了我大量重复劳动。4.4 三个子代理的串联与分工三个子代理单独用效果已经不错但真正的价值在于串联。一个典型的串联流程是我让主代理先把代码改动交给依赖审计员检查依赖安全再交给代码评审员检查代码质量最后把两份结果汇总后交给架构审查员评估整体影响。在这个流程中主代理并不是把所有结果原样丢给下一个子代理。它会提炼其中的关键信息剔除重复内容然后再转交。从执行效率上看确实比我自己逐段复制粘贴要高得多。不过串联调用也带来了新的问题子代理之间的信息传递链路越长信息失真就越明显。架构审查员拿到的可能是经过两层转述的结论原始证据可能已经丢失。为了解决这个问题我会让每一个子代理的最终结论里都保留可追溯的文件路径和行号这样下一层子代理需要时可以去读原始文件而不是依赖转述。5. 用久了才会发现的四个坑5.1 上下文断层子代理看不到父对话的“共识”最常见的问题是子代理不了解主对话里已经达成的某些共识。你可能在主对话里和 Claude Code 讨论了半天确定了“这个模块不允许引入新的全局状态”然后你把一个子代理叫进来审查代码它却完全不知道这条约定开口就提出“把状态提升为全局变量”的建议。这不是子代理笨而是它的上下文里根本没有这段历史。解决办法是在主代理转交任务时把相关约定显式写进任务描述里。我也习惯在每个子代理提示词里加一句“如果没有明确的项目约定先询问主代理不要自行假设”。虽然这会增加一次交互但比拿到一份跑偏的结果强得多。5.2 描述不清晰的调用空转子代理配置里的description是主代理选择角色的依据。如果描述写得太抽象比如“负责代码相关的事情”主代理会把很多不相干的任务都丢给它。结果就是子代理频繁被调用却发现任务超出自己的能力范围最后给你一堆“这不在我的职责内”的回复。我调整过很多次描述最有效的写法是包含“触发条件”和“不触发条件”。比如“当需要审查已修改代码时使用不适用于从零编写新功能”。主代理的判断能力虽然不弱但它在匹配子代理时是典型的快速匹配逻辑描述越明确调用准确率越高。5.3 提示词过肥什么都想管的专家最后管不好一件事不少人在配置子代理时会把所有能想到的规范全部写进系统提示词希望子代理变成万能手。结果就是子代理每次都先花大量时间处理各种边缘规则反而把核心任务挤到了后面。我的原则是一个子代理只负责一个专业领域。代码审查子代理不要同时负责依赖安全依赖审计子代理不要管代码风格架构审查子代理不需要关注按钮位置。如果你真的需要很多规范可以拆成多个子代理让主代理分别调用而不是在一个子代理里堆砌所有要求。5.4 递归调用与资源消耗失控子代理内部思路一旦奔放起来可能会自己不断调用工具、反复读取文件甚至形成一种类似递归的行为。尤其是你把 Bash 权限给了子代理它可能会执行一条命令、看到结果、再执行下一条循环往复。这在某些长任务里会显著拉高 token 消耗和耗时。控制方法有三个。第一给子代理的任务描述里标明输出规模上限比如“最多输出 20 条问题”。第二在提示词里要求子代理“读完必要文件后立即输出不要穷举所有可能性”。第三对工具权限做更严格的限制把 Bash 权限从所有命令收敛到白名单命令。经过这几轮约束子代理的耗时会变得可控也更像一个“有分寸的专家”。6. 子代理的边界什么场景根本不该用6.1 高频低难度任务有些任务本身只需要一条命令或一个简单问题比如“这个文件的行数是多少”“帮我重命名一个变量”。这种任务交给子代理反而多了一步上下文创建和销毁的开销。主代理直接执行无论是速度还是成本都更划算。子代理适合的是“需要独立判断、多步处理、结果需要结构化”的任务。低频高难度、有专业化流程的任务才是它的主场。不要为了用而用否则你得到的只是更贵的延迟。6.2 强交互、弱流程任务还有一些任务需要不断和你讨论才能明确方向比如产品需求设计、交互流程规划。这种任务在子代理独立上下文里很难推进因为子代理只能基于初始任务描述做判断无法和你进行多轮讨论后再修正方向。至少目前这类强交互任务用主对话更自然。如果非要让子代理参与我会把讨论过程放在主对话里等方向明确了再让子代理负责执行阶段。也就是说子代理适合“决策之后的执行”不适合“决策过程中的发散讨论”。6.3 子代理与技能、工作流的配合边界Claude Code 里还有技能、工作流、自定义命令等能力它们与子代理有重叠但不是一回事。技能往往封装的是固定的处理步骤适合处理重复性流程子代理则更偏向独立决策和判断。两者可以配合使用子代理负责判断“该做什么”技能负责“具体怎么做”。我个人的习惯是默认用主对话做自由探索用子代理做专业判断用技能做重复执行。三者各司其职才是一个完整的 AI 辅助开发体系。如果只盯着子代理把它当成万能工具最后一定会碰到边界问题。回到开头那个比喻。给 Claude Code 配“专家团队”本质上是把一个全能的对话式助手拆成一支各司其职的虚拟项目组。子代理系统的核心不是调用一次命令而是设计一套可持续复用的角色体系。我在实战中最大的体会是子代理配置不是写一次就结束的它会随着项目规范、团队习惯和模型能力的变化持续演进。每过几周我都会回头审视一遍现有子代理的描述、工具权限和输出格式删掉不再需要的职责补上新发现的检查点。你一开始不用追求“大而全”的团队先从两三个最痛的角色开始跑顺了再慢慢扩展。

相关新闻

2026小红书AI矩阵玩法:1个人50个账号的三工具拆解

2026小红书AI矩阵玩法:1个人50个账号的三工具拆解

2026年还想着在小红书靠单账号慢慢熬,基本等于把命运交给运气。平台的内容供给早就溢出,一篇笔记发出去,初始流量跑完数据平平是常态,连续几篇没有水花更是家常便饭。我身边不少朋友试过单账号死磕,磕了半年还在三位数…

2026/10/18 12:04:16 阅读更多 →
北京市大数据岗位招聘数据:从爬虫采集到可视化完整工程

北京市大数据岗位招聘数据:从爬虫采集到可视化完整工程

简介:这是一份基于Python的北京市大数据岗位招聘数据分析与可视化完整工程包,面向数据采集、清洗、分析与可视化初学者,也适合希望提升爬虫与数据分析全流程能力的求职者和在校生。资源共111个文件,压缩包约6.58MB,除了…

2026/10/18 12:04:16 阅读更多 →
AI图像处理工程落地全攻略:从模型选型到部署优化

AI图像处理工程落地全攻略:从模型选型到部署优化

两个月前,有个做纺织品出口的客户找到我,想上一套自动布料瑕疵检测系统。客户的想法很简单:你们是搞人工智能图像处理的,把摄像头架上产线,模型自动把断纱、油污、破洞、色斑标出来就行。真正做下去我才发现&#xff0…

2026/10/18 12:04:16 阅读更多 →

最新新闻

基于MATLAB的视频行人检测与跟踪系统实战解析

基于MATLAB的视频行人检测与跟踪系统实战解析

前阵子我帮一家园区做监控视频的离线分析,需求不复杂:统计每条通道一天的行人流量,最好还能画出每个目标的行走轨迹。人工盯录像实在不现实,一小时快进看完基本就是碰运气。后来我用MATLAB搭了一套视频行人检测与跟踪系统&#xf…

2026/10/18 12:59:42 阅读更多 →
PHP原生生成Excel:不装Composer轻松导出xlsx

PHP原生生成Excel:不装Composer轻松导出xlsx

简介:在PHP后端开发中,Excel文件生成是数据导出、报表下载等场景的高频需求。这套源码示例围绕“PHP生成Excel文件”提供完整入门演示,适合需要快速实现表格导出功能的初中级开发者参考使用。压缩包共2个文件,RAR格式,…

2026/10/18 12:59:42 阅读更多 →
Spark 2.3.0无Hive版部署指南:轻量级生产就绪实践

Spark 2.3.0无Hive版部署指南:轻量级生产就绪实践

简介:本资源是专为大数据工程师与 Spark 高级使用者定制的 Spark 2.3.0 精简发行版,聚焦 Hive on Spark 场景下的轻量集成需求——在不捆绑 Hive JAR 包的前提下,实现 Spark 对 Hive 元数据与表数据的访问能力,适用于已部署独立 H…

2026/10/18 12:59:42 阅读更多 →
零分配流式CSV解析器:23GB大文件秒级吞吐实战

零分配流式CSV解析器:23GB大文件秒级吞吐实战

简介:本资源是一份面向C#中高级开发者的高性能CSV文件读取实战方案,聚焦大数据量场景下的速度瓶颈与内存优化问题。针对9GB、1.2亿行14列的极端规模CSV文件,提供可在8秒内完成读取与初步显示的完整工程实现,适用于金融数据清洗、日…

2026/10/18 12:59:42 阅读更多 →
Nexus 3.30.0 Windows 安装避坑指南:JDK 8 与端口冲突解决方案

Nexus 3.30.0 Windows 安装避坑指南:JDK 8 与端口冲突解决方案

简介:本资源为Nexus Repository Manager 3.30.0-01正式版Windows 64位安装包,面向Java开发者、DevOps工程师及企业级Maven仓库搭建者,用于快速部署本地或私有化构件仓库,解决依赖代理缓存、多源聚合、安全发布与权限管控等核心问题…

2026/10/18 12:59:42 阅读更多 →
微信小程序英语学习平台:Spring Boot+MySQL全栈实践指南

微信小程序英语学习平台:Spring Boot+MySQL全栈实践指南

简介:这是一套面向计算机专业本科生的毕业设计级微信小程序实战项目,聚焦英语学习场景下的用户互动与知识管理需求,适用于Java后端开发、小程序前端及全栈课程设计实践。资源包含1221个文件,涵盖111个Java后端代码(SSM…

2026/10/18 12:58:41 阅读更多 →

日新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 0:55:02 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/17 17:22:31 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 12:16:16 阅读更多 →