pipeline

Turborepo monorepo 构建系统指南。触发条件：turbo.json、任务流水线、dependsOn、缓存、远程缓存、“turbo” CLI、--filter、--affected、CI 优化、环境变量、内部包、monorepo 结构/最佳实践以及边界。适用场景：用户配置任务/工作流/流水线、创建包、搭建 monorepo、在应用间共享代码、运行已更改/受影响的包、调试缓存，或涉及 apps/packages 目录时。

Turborepo monorepo 构建系统指南。触发条件：turbo.json、任务流水线、dependsOn、缓存、远程缓存、“turbo” CLI、--filter、--affected、CI 优化、环境变量、内部包、monorepo 结构/最佳实践以及边界。适用场景：用户配置任务/工作流/流水线、创建包、搭建 monorepo、在应用间共享代码、运行已更改/受影响的包、调试缓存，或涉及 apps/packages 目录时。

LLM API 使用的成本优化模式——按任务复杂度进行模型路由、预算跟踪、重试逻辑和提示词缓存。

自主 Claude Code 循环的模式与架构——从简单的顺序流水线到 RFC 驱动的多智能体 DAG 系统。

用于构建稳健、高效且可复现的训练流水线、模型架构和数据加载的 PyTorch 深度学习模式与最佳实践。

AI 原生的潜在客户情报与触达管线。以智能体驱动的信号评分、双向排名、热路径发现等功能替代 Apollo、Clay 和 ZoomInfo……

开源流水线：通过复刻、脱敏和打包私有项目，实现安全的公开发布。串联 3 个智能体（复刻器、脱敏器、打包器）。触发条件：…