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
- [Step]
- [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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0627
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
项目优选
收起
deepin linux kernel
C
33
18
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
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
暂无描述
Markdown
897
5.8 K
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
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
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
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 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-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