首页
/ Exploration: [Feature/Area Name]

Exploration: [Feature/Area Name]

2026-09-07 22:45:02作者:傅爽业Veleda

Exploration: [Feature/Area Name]

Entry Points

  • [Entry point]: [How it is triggered]

Execution Flow

  1. [Step]
  2. [Step]

Architecture Insights

  • [Pattern]: [Where and why it is used]

Key Files

File Role Importance

Dependencies

  • External: [...]
  • Internal: [...]

Recommendations for New Development

  • Follow [...]
  • Reuse [...]
  • Avoid [...]

这个模板的每个区块都对应一个消费场景:

- **Entry Points** 与 **Execution Flow**:让后续设计者(如 [agents/code-architect.md](https://gitcode.com/GitHub_Trending/ev/ECC/blob/22e8cf01d0b54719b3a49002fab2ccbda4ff5b9e/agents/code-architect.md?utm_source=gitcode_repo_files))拿到"从哪个入口插入、会经过哪些节点"的接入面;
- **Architecture Insights**:说明"为何如此分层",防止新开发误破坏既有边界;
- **Key Files 表格**:`File`/`Role`/`Importance` 三列让读者一眼识别必读文件与可忽略文件——Importance 可以用"核心/支撑/参考"或高/中/低粒度标注;
- **Dependencies**:外部依赖回答"引入了什么技术债",内部依赖回答"改动会波及哪些模块";
- **Recommendations for New Development**:收尾给出**可执行**的三类结论——该沿袭什么(Follow)、该复用什么(Reuse)、该避免什么(Avoid),这是勘探到开发之间最短的桥。

结合 spec-miner 对规格的约定(`FileName.methodName()` 的精确引用格式),勘探报告中所有文件与方法引用都应当精确到符号级,保证后续主代理能直接跳转、直接引用。

## 部署与调用方式

在 Claude Code 等原生支持子代理文件的平台,只需把代理定义放进代理目录即可:

```bash
# 仅安装全部子代理(含 code-explorer)
cp agents/*.md ~/.claude/agents/
登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
33
18
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.13 K
2.75 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
857
1.35 K
docsdocs
暂无描述
Markdown
897
5.8 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
529
593
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
915
1.83 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.58 K
1.01 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.35 K
1.46 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
1.01 K
515
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
547
388