跨系统的 debug ，trubble shotting ，架构设计
Harness Engineering
Prompt Engineering
Context Engineering
https://github.com/ConardLi/easy-learn-ai
还在造词，还在造概念，本质上都是提示词
大模型的交互模式基本上一年多了就没变过，所谓的上下文工程，hanness工程，其实本身都可以在prompt 工程上进行工程化化的拓展
个人的感受是造出这些概念，却不把工程化依赖的最基本的东西描述清楚。报文的包也抓过，所有大模型的交互 流程的决策，分支的调度
本质就是提示词，当然对于大模型来说，它是没有提示词概念的，对于它来说就是system和user，funacion caling就是tool，在这个基础上做工程标准化我觉得是很有意义的，它其实是在持续解决遇到的工程问题，标准化实施的完成度也决定了Agent的智能，感慨一下当前对概念的不断包装（
模型使用
Codex，质量高不贵
Cline本地部署qwen3.5-122b（组里设备 昇腾910B）
Claude Code，质量高但是贵
CC+GLM，质量不太高但是便宜
lc874
set<pair<int, int>> vis;
class Solution {
public:
int robotSim(vector<int> &commands, vector<vector<int>> &obstacles) {
int dx[4] = {1, 0, -1, 0};//向东、南、西、北四个方向移动时x的增量
int dy[4] = {0, -1, 0, 1};////向东、南、西、北四个方向移动时y的增量
int res = 0;
int x = 0, y = 0, dir = 3;//初始在(0,0), 方向向北
set<pair<int, int>> vis;
for (auto &i: obstacles)
vis.emplace(i[0], i[1]);//记录有障碍物的位置
for (auto op: commands) {
if (op == -2)
dir = (dir - 1 + 4) % 4;//左转
else if (op == -1)
dir = (dir + 1) % 4;//右转
else {
for (int i = 0; i < op; i++) {
//沿当前方向尝试走op个单位
int nx = x + dx[dir];
int ny = y + dy[dir];
if (vis.count({nx, ny}))
//前方有障碍物
break;
x = nx;
y = ny;
res = max(res, x * x + y * y);
}
}
}
return res;
}
};