本仓库旨在整理关于大语言模型（LLM）底层逻辑、上下文工程 (Context Engineering) 以及 Model Context Protocol (MCP) 协议的核心学习资源与实战路径。

核心目标： 理解 LLM 的运行“内存”限制与预测本质。

• 核心视频: Intro to Large Language Models - Andrej Karpathy
• 核心笔记:
  • Token 原子论: 理解 Tokenization 对拼写、算术的影响。
  • 上下文窗口即 RAM: LLM 的 Context Window 决定了其处理复杂任务的上限。
  • 预测机制: 理解“预测下一个 Token”如何导致上下文腐烂（Context Decay）。
  • 工作记忆限制: 警惕 "Lost in the Middle" 效应，优化信息在 Prompt 中的排布。

核心目标： 学习如何通过优化 Token 配置来提升模型效能。

• 核心视频: Context Engineering & MCP Intro
• 上下文四大策略:

  策略	说明	场景
  写入 (Write)	将详情存入外部存储（如文件、数据库）	持久化知识
  选择 (Select)	仅加载当前步骤所需的“高信号”信息	节省 Token 消耗
  压缩 (Compress)	对冗余信息进行摘要或状态持久化	处理长文本
  隔离 (Isolate)	通过子代理架构减少 Context 污染	复杂多任务并行

• 核心原则: 遵循 Anthropic 的 “金锁区 (Goldilocks Zone)” 原则，保持 Prompt 长度恰到好处。

核心目标： 打通 LLM 与本地/云端数据的“连接层”。

• 核心视频:
  • MCP Tutorial & Setup
  • Model Context Protocol in Action
• 技术要点:
  • 架构理解: 客户端-服务器模型（Client-Server Model）。
  • 核心三要素: 工具 (Tools)、资源 (Resources)、提示词 (Prompts)。
  • 环境搭建:
    • 使用 Filesystem MCP 读写本地文件。
    • 使用 Google Drive / GitHub MCP 访问远程资产。
  • 调试技巧: 使用 MCP Inspector 监控调用生命周期。

核心目标： 实现具备“专家经验”的持久化代理，掌握三层加载机制。

• 核心视频:
  • Building Claude Skills - Official Guide
  • Deep Dive into Claude Desktop Skills
• 渐进式披露 (Progressive Disclosure) 架构:
  1. 元数据层 (Metadata): 始终在线的轻量目录。
  2. 指令层 (Instructions): 仅在匹配需求后才加载的详细规则。
  3. 资源层 (Resources): 按需调用的脚本 (Scripts) 与参考文件。
• 项目级持久化: 利用 CLAUDE.md 记录项目上下文、编码标准与状态。

• 编辑器: Cursor 或 VS Code
• 终端: Claude Code (官方 CLI 工具)
• 客户端: Claude Desktop (支持 MCP 配置)