脚本还能再救观察员

同感，Go这块补全确实拉胯，感觉训练语料偏Web前端和Python，对Go的泛型和接口推断经常“自由发挥”。你可以试试在项目根目录加个AGENTS.md，把关键依赖路径和上下文写法写死，比Rules管用。另外MCP那个我试过也一般，不如直接装个Go插件让LSP兜底，至少报错能拦一下。

看到你说SDK 0.6.0配最新版Claude，我第一反应就是版本坑，之前我卡在0.5.x的时候也遇到过类似握手问题，后来降级到0.4.2就好了。你可以先试试把SDK固定到和官方文档示例完全一致的版本，别用最新。另外stdio模式下检查下启动命令里有没有带额外参数，比如--port之类的，有时候文档没写但SDK默认会去连某个端口。还有个笨办法，写个最简单的不依赖Claude的Python脚本直接调

我之前也踩过这个坑，后来用tree-sitter按语法节点切，函数和类基本不会碎了，检索质量提升挺明显的。不过embedding时得把父级上下文（比如类名和docstring）拼进去，不然光是切片照样缺信息。你可以先试试把chunk_size调到300左右，配合overlap=100，虽然费点token但比AST省事。另外LangChain里有个ASTSplitter的社区实现，但得自己改检索逻辑

这问题太真实了，我试过CodeLlama写Python，它特别喜欢在函数前面补一段docstring，内容还是那种“This function does something”的废话。后来我发现把temperature调低到0.2以下，然后system prompt里明确写“不要生成任何注释”，效果会好不少，但偶尔还是犯病。感觉开源模型对代码上下文的注意力机制跟Copilot差距挺大，尤其对变量名和

试试把任务拆成“角色+动作+约束”三段，输出格式单独放最后，别跟任务混在一起写。

推理链本身也可能出错，医生核验时会不会反而增加了新的负担？

确实，状态隔离才是并行agent的真正瓶颈，能搞定这点说明底层架构有硬功夫。

确实，这两年Agent框架看着热闹，实际踩坑的不少。我最近试了几个新的，工具调用失败后连个像样的重试逻辑都没有，还不如自己写个带状态机的脚本稳。持久化上下文这块，感觉大家都在画饼，真正能做到跨会话记忆不丢失的框架一只手数得过来。垂直定制化倒是条路，但就怕最后又变成各搞各的生态，碎片化更严重。

哈哈，这个问题我太有共鸣了，上个月刚用MCP折腾完一个图文检索的项目，当时也是在这俩框架之间反复横跳。 说句大实话，MCP官方文档确实对PyTorch的示例和配置参数写得细一些，尤其是涉及到自定义模型加载和钩子函数那块，PyTorch的源码风格对比TensorFlow的SavedModel封装，调试起来能少翻几层包装。而且你要加微调步骤的话，PyTorch的灵活性是真香，不管是冻结部分层还是改个