1. 自我介绍2. 为什么要通过微调模型来做代码生成？为什么不用纯 prompt 或 spec coding？答案：纯 prompt 和 spec coding 确实可以提升模型在单次任务上的表现，但它们更多是推理时约束，解决的是“让模型按要求做事”的问题。微调解决的是模型行为分布的问题，比如固定代码风格、内部框架 API 使用习惯、异常处理模式、日志规范、单测模板、目录结构约定，这些如果全部靠 prompt 塞进去，成本很高，也容易在长任务里被稀释。在缺陷修复 Agent 里，我选择微调不是为了让模型记住业务代码，而是让它学习稳定的工程动作：先读测试，再定位调用链，再改最小范围，再补回归测试...

目标小厂

有以下亮点：1. 多智能体协作，主智能体调度子智能体完成特定领域的任务，比如报告生成（如p4 p5 都是报告生成的结果） 数据分析2.丰富的工具：深度搜索 网页爬取 图片生成 报告生成 多模态rag检索 代码执行器 等等3. Plan/Execute 和 ReAct 混合执行模式 并结合动态replan机制在工具调用失败时重排任务4.支持将复杂任务拆解为多个可并发子任务，提升复杂场景下的可拆解性、执行效率与协同能力5. 构建 Agent 的 Skill + SOP工作流引导机制，将专家能力与执行流程模块化沉淀为可复用能力6.闭环学习机制，每次任务都能基于当前任务内容检索过去相似的任务计划，实现...