# Learn traeai

> 中文 AI 学习站点，提供结构化课程、项目、概念教程和可追溯的 Coding Agent Prompt 档案。

## 核心入口

- [首页](https://learn.traeai.com/)
- [Agent 设计档案](https://learn.traeai.com/agent-prompts/): 12 个 Agent、928 个完整 Prompt 版本
- [Agent 两两对比](https://learn.traeai.com/agent-prompts/compare): 66 组上下文、工具与安全策略对比
- [Agent 专题解析](https://learn.traeai.com/agent-prompts/guides)
- [AI 小课](https://learn.traeai.com/minilessons/)
- [深度教程](https://learn.traeai.com/deep/)
- [学习路径](https://learn.traeai.com/paths/)
- [项目](https://learn.traeai.com/projects/)
- [课程](https://learn.traeai.com/courses/)

## Agent Prompt 档案

- [Claude Code 系统 Prompt](https://learn.traeai.com/agent-prompts/claude-code): 376 个历史版本，最新版 2.1.220
- [Codex CLI 系统 Prompt](https://learn.traeai.com/agent-prompts/codex): 71 个历史版本，最新版 0.145.0
- [Antigravity CLI 系统 Prompt](https://learn.traeai.com/agent-prompts/antigravity): 19 个历史版本，最新版 1.1.5
- [Grok Build 系统 Prompt](https://learn.traeai.com/agent-prompts/grok): 123 个历史版本，最新版 0.2.112
- [Kimi Code 系统 Prompt](https://learn.traeai.com/agent-prompts/kimi-code): 53 个历史版本，最新版 0.29.2
- [MiMo Code 系统 Prompt](https://learn.traeai.com/agent-prompts/mimo): 9 个历史版本，最新版 0.1.9
- [OpenClaw 系统 Prompt](https://learn.traeai.com/agent-prompts/openclaw): 69 个历史版本，最新版 2026.7.1-2
- [Hermes Agent 系统 Prompt](https://learn.traeai.com/agent-prompts/hermes): 20 个历史版本，最新版 v2026.7.20
- [Kimi CLI 系统 Prompt](https://learn.traeai.com/agent-prompts/kimi): 21 个历史版本，最新版 1.49.0
- [opencode 系统 Prompt](https://learn.traeai.com/agent-prompts/opencode): 93 个历史版本，最新版 1.18.7
- [Pi 系统 Prompt](https://learn.traeai.com/agent-prompts/pi): 37 个历史版本，最新版 0.82.1
- [Oh My Pi 系统 Prompt](https://learn.traeai.com/agent-prompts/omp): 37 个历史版本，最新版 17.1.7

## 推荐专题

- [Claude Code System Prompt 完整解析：模型之外还有什么](https://learn.traeai.com/agent-prompts/guides/claude-code-system-prompt): Claude Code 的能力不只来自模型。它用一套很长的运行时 Prompt 把环境、记忆、工具和完成标准组装成可执行的工程系统。
- [Codex System Prompt 完整解析：技能、工具与多 Agent 如何协作](https://learn.traeai.com/agent-prompts/guides/codex-system-prompt): Codex 把运行时拆成可组合的规则层：沟通方式、文件安全、自主执行、技能加载、工具协议和多 Agent 协作彼此分工。
- [Agent 上下文工程：为什么上下文越长，AI 反而越容易变笨](https://learn.traeai.com/agent-prompts/guides/context-engineering): 上下文窗口不是越满越好。生产级 Agent 需要决定放什么、放在哪里、什么时候压缩，以及压缩后如何继续同一个任务。
- [Agent 工具与权限设计：为什么有的 Agent 能做事，有的只会回答](https://learn.traeai.com/agent-prompts/guides/tool-permissions): 模型产生意图，工具把意图变成外部动作。一个可靠 Agent 的关键不是工具越多，而是接口清楚、权限最小、结果可验证。
- [12 个 Coding Agent Prompt 怎么比较：一套不看跑分的分析框架](https://learn.traeai.com/agent-prompts/guides/coding-agent-comparison): Coding Agent 的差异藏在 Harness 里。比较系统 Prompt 时，应关注它怎样管理信息和动作，而不是比较谁的文字更长。

## 机器可读资源

- [完整内容索引](https://learn.traeai.com/content-index.json)
- [扩展文本索引](https://learn.traeai.com/llms-full.txt)
- [RSS](https://learn.traeai.com/feed.xml)
- [Sitemap](https://learn.traeai.com/sitemap-index.xml)

## 内容与引用

原创解析由 Learn traeai 编辑部整理。第三方论文、项目与 Prompt 页面标注原始来源、发布日期和更新时间；编辑推断不代表上游项目官方结论。