做一个图片上传功能，最开始通常很简单：选文件，预览，调接口。需求慢慢加上来，事情就变了。图片太大，要先压一压；格式不统一，希望转成 WebP；用户还想拖动质量滑杆，看清楚压完的效果再上传。
这些工作当然可以交给服务端。但如果图片就在用户电脑里，处理完只需要一个文件，也可以把这一段留在浏览器里完成。页面负责交互，浏览器负责读图，编码库负责生成新的图片。
WebAssembly 就可以出现在这里。对前端开发者来说，日常接触它的入口往往是一个 npm 包：安装、导入、异步调用，然后把返回的数据接回页面。我们关心的是这段能力怎么进入现有项目，以及用户点下按钮后，页面能不能一直好好响应。
这篇文章用 JavaScript + Vite + Web Worker 做一个本地图片转 WebP 的小工具。Wasm 编码器使用现成的 @jsquash/webp，整个案例只写前端代码。
截图使用的是内置生成的 PNG 示例，显示的体积和耗时只对应这一次处理。
让编程助手解释一段代码，和让它把一个问题修好，是两种很不一样的体验。前者把答案写在对话框里就够了；后者要碰到真实文件、真实命令，还得面对用户随时插进来的修改。
假设你给它这样一句话：“切换几次 3D 模型，页面就越来越卡。帮我找原因，修完跑一下项目现有的检查。”终端里开始搜索、读文件、改代码，看起来顺理成章。但这些动作靠什么衔接？读到一半文件变了怎么办？测试命令报错以后，是继续修，还是直接结束？
这几个问题，比找一段神奇的系统提示词更吸引我。它们决定一个助手能不能在真实项目里持续工作，也正好是这次源码阅读的主线。
2026 年 3 月 31 日，Claude Code 的一次 npm 发布意外暴露了内部源码。@anthropic-ai/claude-code 的 2.1.88 版本带上了不应公开的 source map，相关源码随后被保存和整理到多个仓库中。这次事件让开发者得以直接阅读一个实际编程代理的客户端实现。事件报道
本文使用的泄露源码整理仓库：hujinbin/claude-code。 想边读边对照，可以从这里打开目录；文中的源码引用另外固定到了具体提交，方便以后回看。
分析基线是提交 480314ded0d2f60bd854ff3e2661116d0f3a1b5e，整理提交日期为 2026 年 4 月 13 日。本文以静态阅读为主：副本缺少完整构建配置和部分模块，下面的修复场景用于解释代码，不是一份实际运行报告；讨论范围也限定在这份实现。
沿着代码走下去，会看到一套围绕模型组织起来的运行时：它维护消息，调度工具，检查权限，管理上下文，也负责把任务收住。这类系统在 Agent 工程里常被称为 Harness。这个词听起来抽象，放进上面的修复任务里就好理解了：模型决定下一步试什么，运行时把这个决定落到实际操作上，再把发生的事情告诉模型。
Source map 用来关联构建后的代码与原始源码，方便调试。根据生成方式，它可能包含原始源码内容，也可能暴露指向源码的路径或位置。因此，拿到相应调试产物，有时就能看到远比压缩后 JavaScript 更完整的实现，而无需重新推导源程序。Source map 说明
这次泄露属于发布链路中的调试产物暴露。Anthropic 将事件归因于人为造成的发布打包失误。公司回应
这件事给开发者的提醒很具体：编译结果、调试产物和最终发布包，需要分别看待。调试文件对排查线上问题很有用，但“内部调试需要它”和“用户安装包应该带上它”是两回事。
至于“Bun 默认生成 .map，忘写 .npmignore 就会泄露”的说法，细节还要分开看。Bun 当前文档列出的 sourcemap 默认值是 none；实际生成方式和打包范围取决于项目自己的配置。这份副本没有原始发布配置，因此下面重点研究泄露出来的实现。Bun 构建文档
本文把它作为泄露源码来读，并不把它称作官方主动开源。阅读对象是编程代理的客户端工程，范围也不延伸到模型权重或全部云端服务。
手把手教你为 AI 系统开发自定义技能，让 AI 助手更懂你的业务
当你使用 ChatGPT 或 Claude 时，有没有想过：**”如果 AI 能直接查询我的数据库该多好”、“要是它能自动发邮件就完美了”**？
这就是 AI Skill 的价值所在。
AI Skill（AI 技能）是为 AI 系统开发的可调用能力模块，让 AI 能够：
本文将教你：
┌─────────────────────────────────────────┐
│ AI 系统（LLM） │
│ ChatGPT / Claude / 自建模型 │
└──────────────┬──────────────────────────┘
↓
┌──────────────────────────────────────────┐
│ Skill 调度层（Router） │
│ - 意图识别 │
│ - 参数提取 │
│ - 权限验证 │
└──────────────┬───────────────────────────┘
↓
┌──────────────────────────────────────────┐
│ Skill 执行层 │
├──────────────────────────────────────────┤
│ Skill 1: 数据查询 │
│ Skill 2: 邮件发送 │
│ Skill 3: 文档生成 │
│ Skill 4: API 调用 │
│ ... │
└──────────────┬───────────────────────────┘
↓
┌──────────────────────────────────────────┐
│ 外部系统 / 数据源 │
│ 数据库 | API | 文件系统 | 第三方服务 │
└──────────────────────────────────────────┘在 AI 重塑工作的时代，掌握这些技能让你从”被替代”变成”不可替代”
当 ChatGPT 发布时，很多人担心”AI 会取代我的工作吗？”
一年半后，答案变得清晰：AI 不会取代你，但会用 AI 的人会取代你。
据 LinkedIn 2026 年报告显示：
本文将系统性地介绍 AI 时代的必备技能，并提供清晰的学习路径。
AI 技能金字塔
▲ AI 架构师
/|\
/ | \ 构建 AI 系统
/ | \
────────────────
/ AI 工程师 \
/ \
/ 模型微调 / Agent开发 \
/________________________\
/ Prompt Engineering \
/ 工具集成 / API 使用 \
/______________________________\
/ AI 素养基础 \
/ 理解原理 / 工具使用 / 场景判断 \
/____________________________________\本文通过一个真实的 MCP Server 项目，详细介绍 Model Context Protocol 的核心概念、架构设计和最佳实践。
在与 ChatGPT、Claude 等 AI 助手交互时，我们常常遇到一个问题：AI 无法访问我们的私有数据、企业知识库或实时信息。虽然 RAG（Retrieval-Augmented Generation）技术提供了一种解决方案，但实现起来往往需要复杂的向量数据库、Embedding 模型和检索系统。
Model Context Protocol (MCP) 提供了一个更加优雅的解决方案——一个开放的标准协议，让 AI 应用能够安全、可控地访问外部数据源和工具。
Model Context Protocol（模型上下文协议）是由 Anthropic 推出的开放标准，用于连接 AI 应用与外部数据源。它的核心思想很简单：
AI 应用 ←→ MCP 协议 ←→ MCP Server ←→ 数据源在 AI 大模型时代，越来越多的 Web 应用需要集成智能对话功能。然而，前端技术栈的多样性（Vue、React、jQuery 等）给开发者带来了一个难题：如何开发一个一次编写、到处运行的 AI 对话插件？
本文记录了 AI Agent Plugin 项目从诞生到完成的全过程，分享技术选型、架构设计、核心实现以及遇到的挑战与解决方案。
在实际项目中，我们遇到以下问题：
基于以上痛点，我们确定了以下核心目标：
一篇帮你快速掌握 AI 工具生态、选型决策和集成开发的实战手册
2023 年 ChatGPT 爆火后，AI 工具市场迎来了井喷式增长。据统计，目前市面上有超过 10,000+ 款 AI 工具，涵盖从文本生成、图像创作、代码开发到数据分析的各个领域。
作为开发者，我们面临的问题不再是”有没有 AI 工具可用”，而是：
本文将系统性地解决这些问题，帮你建立完整的 AI 工具知识体系。
对话型
ChatGPT：OpenAI 出品，最强大的通用对话模型
Claude：Anthropic 出品，擅长长文本理解
Gemini：Google 出品，多模态能力强
文心一言：百度出品，中文优化
如果你是第一次接触 Three.js，这篇文章会带你从 0 到 1 建立完整认知：
本文不是纯理论，而是结合我自己写的一个真实项目 drag-3D-three 来讲解。这个项目是一个 3D/2D 可视化大屏编辑器，Three.js 部分支持拖拽创建几何体、加载模型、选择元素、修改属性和保存案例。
技术栈：Vue 3 + TypeScript + Vite + Three.js + Pinia
Three.js 是一个运行在浏览器中的 3D 图形库，它基于 WebGL 做了高级封装。
你可以把它理解成：
Three.js 适合做什么：
从 ChatGPT 到 AI Agent，人工智能正在经历从”被动回答”到”主动执行”的范式转变
当你打开 ChatGPT，输入”帮我写一份项目报告”，它会给你一份精美的文本输出。但如果你说”帮我把这份报告发给团队，并安排明天下午的会议”，ChatGPT 就无能为力了。
这正是 AI Agent 诞生的原因——我们需要的不只是一个会说话的 AI，而是一个能真正帮我们做事情的智能助手。
AI Agent（人工智能代理） 是一个能够自主感知环境、做出决策并采取行动以实现特定目标的智能系统。
用更简单的话说：