CLAUDE.md 写不好，AI 每次都要重新问背景、还容易写错返工。本文给出 3 种写法：项目说明书式、指令清单式、结构化分节式，从最简到多人协作，并附验证步骤，帮你把项目上下文一次性喂给 AI 编程助手，减少来回确认。

Claude Code 改代码容易越界乱改，本文用 3 种自定义规则给它套护栏：在 CLAUDE.md 写硬规则、用权限设置收住写文件工具、用 PreToolUse 钩子做写入前拦截。从配置到验证一步步讲清，既保 AI 编程速度，也守住代码安全。

想让 AI 调用你本地函数却只会说没这能力？本文用 Python 走通自建 MCP Server 三步：定义工具函数、启动服务、接入客户端验证。从配置到验证一次讲清，把任意本地能力变成 AI 随叫随用的工具，上手快、扩展也方便。

把 OpenAI Codex CLI 接进 CI 自动跑任务，核心是 codex exec 非交互触发、审批模式分级控风险、CODEX_AUTH_TOKEN 无头鉴权。本文附 GitHub Actions 接入片段、本地定时任务写法、多场景对比与踩坑清单，照着做就能把重复编码交给模型稳跑。

OpenAI Codex CLI 客户端登录有两种方式：本机用 codex login 浏览器授权最省事，服务器与 CI 用 CODEX_AUTH_TOKEN 令牌最稳。本文讲清两种登录的边界、多账号隔离切换、吊销密钥的安全处理与常见踩坑清单，照着做就能让客户端稳定连上账号。

美团 CatPaw 里把多个文件夹加进对话上下文，用 @Folders 点选或拖拽添加，多个就重复叠加。本文讲清它和 @Codebase 的边界、多文件夹叠加用法、资源文件排查与上下文过长的踩坑清单，让 AI 只看到你关心的模块。

语音合成 TTS 是把文字自动变成人声朗读的技术，核心流水线为前端韵律、声学模型与声码器三步。本文面向初学者讲清它是什么、三种合成路线怎么选，并说明用自然度、音色相似和鲁棒性判断音色好坏，最后给出多音字、破音、长句三类常见坑的修复思路。

注意力机制是 Transformer 让每个词直接参考其他词的核心计算，通过查询、键、值三组向量按相关度汇聚上下文。本文面向初学者讲清自注意力是什么、QKV 三步怎么算、多头为什么更强，并对比 RNN 与 CNN 的优劣，最后给出显存、词序、冗余头三类常见坑的排查与修复思路。

语音识别 ASR 是把声音自动转成文字的技术，核心流水线为特征提取、声学模型、语言模型与解码四步。本文面向初学者讲清它是什么、传统混合与端到端方案怎么选，并说明用字错率、实时率、鲁棒性判断识别质量，最后给出噪声、同音字、标点三类常见坑的修复思路。

强化学习是一类让智能体在环境中通过试错、用奖励反馈学会决策的人工智能方法，核心是状态、动作、奖励与策略更新的循环。本文面向初学者讲清它是什么、核心循环怎么转、价值方法与策略梯度两类算法差异，并说明奖励作弊与训练不稳等常见坑。