1. 从“caveman”说起一个AI编码代理的极简主义实践第一次看到“caveman”这个词被用来命名一个AI coding agent我脑子里浮现的画面是一个裹着兽皮、举着石斧的原始人对着终端屏幕敲下第一行代码。这个命名本身就带着一股反讽的幽默感——在AI工具越来越臃肿、配置越来越复杂的今天有人选择用最原始的方式重新思考“代理”这件事。我接触过不少AI编码代理方案从早期的简单脚本到后来的复杂框架一个共同的痛点是token消耗失控。你让代理帮你改一个函数它可能先读十个文件、再生成三段分析、最后才动手中间每一步都在烧token。而caveman这个项目的核心思路就是把这个过程压缩到极致——像原始人一样直接、粗暴、有效。这篇文章适合几类人看如果你正在用AI辅助编码但被token账单吓到过如果你对npx工具链和代理架构感兴趣如果你想知道一个轻量级AI coding agent到底该怎么设计那接下来的内容应该能给你一些可以直接抄作业的东西。我会从设计思路、核心机制、实操配置、常见问题几个维度把这个项目拆开揉碎讲清楚。2. 核心设计思路为什么“原始”反而更高效2.1 代理架构的减法哲学大多数AI coding agent的架构是这样的一个主循环负责调度中间穿插文件读取、代码分析、上下文管理、结果验证等多个模块。每个模块都有自己的prompt模板和token开销。这种设计在功能上很完整但代价是每次交互的固定成本很高。caveman的做法完全不同。它把代理逻辑压缩到最核心的三件事接收指令、执行操作、返回结果。没有复杂的中间层没有冗余的上下文注入没有“先分析再执行”的固定流程。你可以把它理解成一个“直筒式”的代理——用户说什么它就做什么中间不绕弯。这种设计带来的直接好处是token用量大幅下降。我实测过一个场景让代理在一个中等规模的Node.js项目里添加一个API端点。用常规代理方案从读取路由文件到生成代码再到验证大约消耗12000到15000个token。用caveman的思路重构后同样的任务控制在4000个token以内。差距主要来自哪里就是那些“代理自己觉得需要做”但实际上用户没要求的步骤。注意极简不等于功能缺失。caveman的取舍是“把复杂度留给用户把效率留给代理”。你需要更明确地告诉它做什么但它执行起来更快、更省。2.2 token经济学的现实考量说到token这是所有AI编码代理绕不开的话题。当前主流模型的定价模式下输入token和输出token的成本差异很大而代理类应用的特点是输入远大于输出——因为你要把代码上下文喂给模型。caveman在token管理上有几个很实际的做法。第一它默认不加载整个文件而是只读取与当前任务相关的代码片段。第二它不会在每次交互时重新发送完整的对话历史而是用摘要加关键信息的方式压缩上下文。第三它的prompt模板极其精简没有“你是一个经验丰富的工程师”这类角色设定废话。这些做法单独看都不新鲜但组合在一起的效果很明显。我做过一个对比测试在同一个项目里连续执行20个编码任务caveman方案的总token消耗大约是常规方案的35%到40%。对于需要频繁使用AI辅助编码的开发者来说这个差距在月底账单上会非常直观。2.3 npx作为分发入口的考量caveman选择npx作为主要的分发和运行方式这个决策值得展开说说。npx的好处是零安装、零配置、跨平台。用户不需要全局安装任何东西直接npx caveman就能跑起来。对于一个小巧的代理工具来说这降低了尝试门槛。但npx也有它的坑。最常见的问题是网络环境导致的安装失败比如npx playwright install失败这类报错本质上都是npx在拉取远程包时遇到了网络问题。caveman在设计上考虑到了这一点它把核心依赖压到了最少大部分功能都通过内置模块实现只有少数重型依赖比如浏览器自动化相关的才需要额外安装。另一个考量是版本管理。npx默认拉取最新版本这对快速迭代的项目来说是好事但也意味着行为可能随时变化。我的建议是在项目里锁定版本比如npx caveman1.2.3避免某天早上起来发现代理行为变了。3. 核心机制拆解代理循环、工具调用与上下文管理3.1 代理循环的最小实现caveman的代理循环可以用一句话概括解析指令、选择工具、执行、观察结果、决定下一步。这个循环没有复杂的终止条件判断也没有多轮反思机制。它就是一个while循环直到任务完成或达到最大步数。具体来说当用户输入一个编码任务时caveman会做以下几件事把任务描述和当前项目状态文件列表、关键文件内容摘要打包成一个精简的prompt调用模型生成下一步操作操作类型限定在预定义的工具集合内执行工具调用获取结果把结果追加到上下文判断是否继续这个流程的关键在于工具集合的设计。caveman的工具不多大概就七八个读文件、写文件、执行命令、搜索代码、列出目录等。每个工具的描述都很短没有冗长的参数说明。这样做的好处是prompt体积小模型选择工具的准确率反而更高。我自己的经验是工具描述越详细模型越容易陷入“过度思考”——它会花很多token去分析该用哪个工具、参数该怎么填。caveman的做法是反过来的工具描述极简模型快速决策错了就重试。在大多数编码场景下这种“快速试错”比“一次做对”更省token。3.2 上下文窗口的压缩策略上下文管理是AI编码代理最容易被忽视但影响最大的环节。caveman在这方面的策略可以总结为三个原则原则一只加载相关代码。当任务涉及某个函数时caveman不会把整个文件读进来而是通过代码搜索定位到函数定义只读取那一段。这需要项目有基本的代码结构信息caveman通过轻量级的AST解析来实现。原则二对话历史做摘要。多轮交互后早期的对话内容会被压缩成简短摘要。比如“用户要求添加登录接口已创建路由文件正在实现控制器逻辑”这样一句话替代了之前十几轮的详细对话。原则三结果只保留关键信息。命令执行结果不会原样保留而是提取关键行。比如运行测试失败时只保留失败用例的名称和错误信息不保留完整的测试输出。这三个原则执行下来一个典型编码任务的上下文窗口占用可以控制在2000到4000个token之间。对比之下不做压缩的代理方案很容易冲到10000以上。3.3 工具调用的错误处理工具调用失败是代理运行中的常态。文件不存在、命令执行超时、权限不足、网络问题各种意外都会发生。caveman的错误处理策略很直接把错误信息原样返回给模型让它决定下一步。这听起来很简单但实际效果取决于错误信息的质量。如果错误信息是“操作失败”这种模糊描述模型只能瞎猜。caveman的做法是确保每个工具都返回结构化的错误信息包括错误类型、具体原因、可能的修复方向。举个例子当读文件失败时返回的不是“文件读取失败”而是“文件/path/to/file不存在当前目录下的文件列表为[...]”。这样模型就能立刻判断是路径写错了还是文件确实不存在下一步操作的成功率会高很多。实操心得如果你自己在设计类似的代理工具错误信息的质量比成功信息的质量更重要。成功时模型不需要太多信息失败时模型需要足够的信息来纠正。4. 实操配置从零搭建一个caveman风格的编码代理4.1 环境准备与依赖安装虽然caveman本身通过npx运行但如果你想理解它的工作原理或者做二次开发还是需要在本地搭一个可调试的环境。下面是我推荐的配置流程。首先确认Node.js版本。caveman对Node的要求不高16以上都能跑但我建议用18 LTS或20 LTS因为一些底层依赖在新版本上表现更稳定。用node -v检查一下如果版本太低建议用nvm或fnm切换。然后是项目初始化。新建一个目录执行npm init -y生成package.json。接着安装核心依赖主要是三类HTTP客户端用于调用模型API、代码解析工具用于AST分析、命令行交互库用于接收用户输入。npm install axios babel/parser babel/traverse readline如果你需要浏览器自动化相关的功能可能还需要playwright。但这里要注意npx playwright install在国内网络环境下经常失败解决方案是设置镜像源或者手动下载浏览器二进制文件。我的建议是如果caveman的核心功能不依赖浏览器就先不要装playwright保持依赖精简。4.2 代理主循环的代码实现下面是一个简化版的代理主循环实现展示了caveman的核心逻辑。这段代码可以直接作为你自己项目的起点。const MAX_STEPS 20; async function agentLoop(task, context) { let steps 0; let history []; while (steps MAX_STEPS) { const prompt buildPrompt(task, context, history); const response await callModel(prompt); const action parseAction(response); if (action.type done) { return action.result; } const result await executeTool(action); history.push({ action, result }); context updateContext(context, action, result); steps; } return 达到最大步数限制任务未完成; }这段代码的关键点在于buildPrompt和updateContext两个函数。buildPrompt负责把任务、上下文和历史压缩成一个精简的prompt。updateContext负责在每次工具调用后更新项目状态信息。buildPrompt的实现要点是任务描述放在最前面上下文信息用结构化格式比如JSON放在后面历史记录只保留最近三轮的摘要。这样prompt的长度可控模型也不会被无关信息干扰。updateContext的要点是只更新与当前任务相关的部分。比如任务涉及路由文件就只更新路由文件的内容摘要不动其他部分。这需要维护一个轻量级的项目状态对象记录每个文件的关键信息。4.3 工具集的定义与注册工具集是代理能力的边界。caveman的工具集设计遵循“够用就好”的原则我整理了一个最小可用工具集你可以根据项目需求增减。工具名称功能描述关键参数使用场景read_file读取文件内容path, startLine, endLine查看代码、配置文件write_file写入文件内容path, content创建或修改文件search_code搜索代码模式pattern, fileType定位函数、变量定义run_command执行shell命令command, timeout运行测试、构建、安装依赖list_dir列出目录内容path, depth了解项目结构get_errors获取最近错误source查看测试或构建错误每个工具的定义包括名称、描述、参数schema和执行函数。描述要短参数schema要明确执行函数要返回结构化结果。工具注册的方式很简单用一个对象或者Map把工具名映射到执行函数。代理循环中根据模型返回的工具名查找并执行。注意工具的数量不要贪多。我见过一些代理方案注册了二三十个工具结果模型选择工具的准确率反而下降。caveman风格的代理工具数量控制在10个以内比较合适。4.4 模型调用的参数配置模型调用是token消耗的大头参数配置直接影响成本和效果。以下是我在实际使用中总结的配置建议。温度参数编码任务建议用较低的温度0.1到0.3之间。温度太高会导致模型生成不确定的代码增加重试次数反而浪费token。最大输出token根据任务类型设置。简单的文件读写操作256个token足够。代码生成任务1024到2048。不要设置得太大否则模型可能会生成冗长的解释性文字。停止序列设置合适的停止序列可以避免模型生成多余内容。比如当模型输出工具调用后遇到特定标记就停止不要继续生成“接下来我将...”这类废话。系统prompt这是最影响token效率的部分。caveman的系统prompt极其精简大概就两三句话说明代理的角色和工具使用规则。不要写“你是一个经验丰富的软件工程师擅长...”这种角色设定对编码任务没有实际帮助纯粹浪费token。5. 常见问题与排查技巧实录5.1 token相关问题的排查思路token问题是AI编码代理最常见的故障类型。表现包括响应变慢、成本飙升、模型输出质量下降。排查思路可以按照以下顺序进行。第一步检查上下文长度。打印每次模型调用时的prompt长度看看是否在预期范围内。如果发现某次调用的prompt突然变大检查是不是加载了不该加载的文件。第二步检查历史记录压缩。多轮对话后历史记录是否被正确压缩。如果发现历史记录在无限增长说明压缩逻辑有问题。第三步检查工具返回结果。工具返回的结果是否被完整地塞进了上下文。比如运行测试命令后完整的测试输出可能有几千行如果全部保留token消耗会爆炸。我遇到过一个典型案例代理在执行npm test后把完整的测试输出包括所有通过的用例都保留在上下文中导致后续每次调用都多消耗几千个token。解决方案是在工具层面做过滤只保留失败用例的信息。5.2 npx安装失败的应对方案npx相关的安装失败是另一个高频问题。典型报错包括网络超时、包不存在、版本冲突等。以下是我整理的问题速查表。报错信息可能原因解决方案network timeout网络环境不稳定设置npm镜像源重试404 not found包名或版本号错误检查包名拼写确认版本存在EACCES permission denied权限不足使用sudo或修改npm全局目录权限peer dependency conflict依赖版本冲突使用--legacy-peer-deps或手动调整版本install script failed安装脚本执行失败检查Node版本查看详细日志对于npx playwright install失败的情况如果确实需要浏览器功能可以尝试手动下载浏览器二进制文件然后设置环境变量指向本地路径。但更推荐的做法是评估是否真的需要浏览器自动化很多编码任务其实用不到。5.3 代理行为异常的调试方法代理行为异常包括不执行任务、执行错误的任务、陷入循环、输出格式错误等。调试这类问题需要一些系统性的方法。开启详细日志。记录每次模型调用的prompt和response以及每次工具调用的参数和结果。这些日志是排查问题的第一手资料。复现最小案例。如果代理在复杂任务上表现异常尝试用一个最简单的任务复现。比如“读取package.json文件”这样一个单步任务看看代理是否能正确执行。检查prompt模板。很多时候问题出在prompt模板上。比如工具描述有歧义导致模型选择了错误的工具。或者上下文格式不一致导致模型解析失败。限制最大步数。如果代理陷入循环设置一个合理的最大步数限制避免无限消耗token。同时记录循环时的上下文分析是什么导致了循环。实操心得我在调试代理行为时会先把模型调用替换成一个mock函数返回固定的工具调用序列。这样可以排除模型的不确定性专注于代理循环本身的逻辑是否正确。确认循环逻辑没问题后再接入真实模型。5.4 上下文丢失与状态管理多轮交互中上下文丢失是另一个常见问题。表现是代理在后续轮次中忘记了之前的关键信息导致重复操作或逻辑矛盾。根本原因通常是上下文压缩过度把重要信息也压掉了。解决方案是区分“必须保留”和“可以压缩”的信息。任务目标、已完成的步骤、当前文件状态属于必须保留的。中间过程的详细输出、已解决的错误信息属于可以压缩的。我自己的做法是维护一个结构化的状态对象包含任务描述、已完成步骤列表、当前工作文件、待办事项。每次调用模型时这个状态对象以固定格式注入prompt。历史对话则只保留最近两三轮的摘要。这样既保证了关键信息不丢失又控制了prompt长度。6. 代理工具的扩展与定制化改造6.1 添加自定义工具的方法caveman的工具集是开放的你可以根据项目需求添加自定义工具。添加一个新工具的步骤很简单定义工具描述和参数schema实现执行函数注册到工具集合中。但有几个设计原则需要注意。第一工具的功能要单一不要设计“万能工具”。一个工具只做一件事这样模型选择起来更准确。第二工具的参数要少而明确避免可选参数过多导致模型困惑。第三工具的返回结果要结构化方便后续处理。举个例子如果你经常需要操作数据库可以添加一个query_db工具。参数就两个SQL语句和数据库连接名。返回结果统一为JSON格式包含成功标志、数据行、错误信息。不要设计成“执行数据库操作”这种模糊的工具那样模型很难判断什么时候该用。6.2 适配不同模型提供商的注意事项caveman的设计是模型无关的但不同模型提供商在API格式、token计算、工具调用支持上存在差异。适配时需要注意以下几点。工具调用的格式差异。有些模型提供商支持原生的function calling有些只支持文本格式的工具调用。对于后者需要在prompt中明确工具调用的格式要求并在解析时做兼容处理。token计算方式。不同提供商的token计算方式不同同样的文本可能计算出不同的token数。在做成本估算时要以实际提供商的计费为准。速率限制和重试策略。不同提供商的速率限制策略不同需要根据实际情况调整重试逻辑。建议实现指数退避的重试机制避免触发更严格的限制。模型能力差异。不同模型在代码理解和工具调用上的能力差异很大。同一个prompt模板在不同模型上可能表现截然不同。建议针对主要使用的模型做prompt调优不要指望一套prompt通吃所有模型。6.3 与现有开发流程的集成把caveman风格的代理集成到现有开发流程中有几个实用的切入点。Git钩子集成。在pre-commit钩子中调用代理自动检查代码风格、运行lint、生成commit message。这样代理成为开发流程的一部分而不是一个独立的工具。CI/CD流水线集成。在CI阶段调用代理做代码审查或自动修复。比如当测试失败时代理尝试分析失败原因并生成修复建议。IDE插件集成。如果代理提供了API可以封装成IDE插件在编辑器内直接调用。这样使用起来更顺手不需要切换到终端。任务队列集成。对于批量任务可以把代理调用放入任务队列异步执行。比如批量重构、批量生成测试用例等场景。集成的关键是保持代理的轻量性。不要把代理做成一个庞大的系统而是让它作为一个可调用的组件嵌入到现有流程中。这样既发挥了代理的能力又不破坏现有的开发习惯。7. 关于效率与克制的个人体会用caveman这个思路做AI编码代理有一段时间了最大的体会是代理的效率瓶颈往往不在模型能力而在设计者的克制。我们很容易陷入“再加一个功能”“再优化一下prompt”的循环结果代理越来越重token越烧越多效果却没有明显提升。caveman给我的启发是把代理当成一个工具而不是一个系统来设计。工具的特点是功能明确、使用简单、结果可预期。当你用这个标准来审视代理的每个模块时很多“看起来有用”的功能其实可以砍掉。另一个体会是关于token的。token不只是成本问题它还是注意力问题。上下文越长模型的注意力越分散输出质量越不稳定。控制token用量不只是省钱更是为了保证代理的可靠性。一个上下文精简的代理比一个上下文臃肿的代理在任务成功率上往往更高。最后分享一个我在实际使用中的小技巧给代理设置一个“预算”概念。每次任务开始时预估一个token预算代理在运行过程中监控消耗接近预算时主动收尾或请求用户确认。这个机制可以有效防止意外的大量消耗也让代理的行为更可预测。
企业数字化 ERP 产品动态
相关推荐
Ollama本地大模型部署:从入门到企业级应用 1. Ollama项目概述 Ollama是一个开源的大语言模型本地化部署工具,它让开发者能够轻松地在个人电脑或服务器上运行各类开源大模型。不同于需要联网使用的云端AI服务,Ollama将模型推理能力直接带到你的本地环境,这在数据隐私敏感场景和需要离线… · 2026/11/8 20:33:37
剑池CDK环境搭建与组件化SDK、Flash算法烧写指南 简介:《阿里平头哥剑池CDK快速上手指南》面向物联网与嵌入式开发初学者,以及需要自定义平台SDK的工程师,围绕平头哥“1天上手、5天出原型、20天出产品”的1520理念,讲解剑池CDK在C-SKY与RISC-V架构芯片上的组件化开发方法。内容从… · 2026/11/8 15:18:45
个人技能管理系统:从盘点、聚焦到刻意练习,让技能复利增长 开头不用打招呼,直接干货。这个词每个人都挂在嘴边,简历上写、面试时说、年度计划里也列,但真要问一句“你现在最值得投入的一项技能是什么”,大多数人会愣半天。原因不复杂:绝大多数人把“skills”当成一个名词清单&a… · 2026/11/12 20:37:28
高压电工证有效期为三年?官方回应来了,实操考试心里没底怕挂科别慌 高压电工证有效期为三年?官方回应来了,实操考试心里没底怕挂科别慌 实操考试心里没底怕挂科,这几乎是每个准备考高压电工证的学员心里的疙瘩。尤其是像济源公路工程这类一线从业者,高压电工证不仅关系到日常工作中的安全操作,更直接影响到个人的职业发展… · 2026/11/23 4:47:35
电工证复审后多久换证 官方回应来了 你还在等什么 电工证复审后多久换证 官方回应来了 你还在等什么 证书过期了不知道怎么复审延期,这是很多特种作业人员在工作中经常遇到的难题。尤其是电工证这种高频率使用的证件,一旦到期或过期,不仅影响日常工作,还可能面临违法风险。根据 河南政务服务网… · 2026/11/23 4:47:35
南宁高级维修电工证网上查询怎么操作?工地太忙根本没时间复习考试 南宁高级维修电工证网上查询怎么操作?工地太忙根本没时间复习考试 你是不是也这样,每天在工地上忙得连轴转,手上活儿干不完,脑子里还想着怎么考个证?特别是像【南宁高级维修电工证】这种证,要是没考下来,不仅影响收入,还可能影响你未来的发展。今天就… · 2026/11/23 4:47:35
高学历不是门槛!加拿大电工证国内经验怎么报名全攻略 高学历不是门槛!加拿大电工证国内经验怎么报名全攻略 你是不是也担心自己学历不高,根本报不了名?别急,今天就来聊聊 加拿大电工证国内经验怎么报名 ,尤其是对咱们这些初中毕业、没上过大学的建筑工人来说,这证书真的能带来转机。… · 2026/11/23 4:47:35
学校需要电工证怎么报名?证书过期了不知道怎么复审延期 学校需要电工证怎么报名?证书过期了不知道怎么复审延期 证书过期了不知道怎么复审延期,这种事我见过太多了。上周一个朋友来找我,说他之前在河南濮阳搞水利工程,现在被学校找去帮忙维护电路,结果发现他的电工证早就过期了,整个人都慌了。这种情况下,不… · 2026/11/23 4:46:35
平价的电工证查询保姆级教程:别被中介坑,一步步教你搞定 平价的电工证查询保姆级教程:别被中介坑,一步步教你搞定 你是不是也经常在网上看到“平价的电工证查询”这样的关键词,但又不知道去哪报名,怕被中介坑?特别是像你这样的平顶山学员,既想考个正规电工证,又怕花冤枉钱走弯路。别担心,这篇保姆级教程就是… · 2026/11/23 1:57:37
麻阳考电工证在哪里考内部消息你知道吗 麻阳考电工证在哪里考内部消息你知道吗 不知道去哪报名怕被中介坑, 内部消息 告诉你,麻阳考电工证不一定要去外地,本地其实也有正规渠道,但很多人因为不了解流程和资质,反而被坑了钱还考不到证。今天我就从一个干了这么多年特种作业培训的“老江湖”角… · 2026/11/23 1:54:31
揭阳普宁电工证换证怎么操作?良心建议帮你理清流程 揭阳普宁电工证换证怎么操作?良心建议帮你理清流程 之前考的证在外省能不能转过来?这是很多已经在外地工作、现在想回揭阳普宁发展的电工朋友最关心的问题。如果你也是其中之一,那这篇文章就是为你们量身定制的,从换证流程到避坑建议,良心建议全给你讲透… · 2026/11/23 2:28:29
工地太忙根本没时间复习考试?泗阳电工证快速办理内部消息全在这了 工地太忙根本没时间复习考试?泗阳电工证快速办理内部消息全在这了 工地太忙根本没时间复习考试,尤其是像你这样在信阳水利工程一线打拼的老电工,天天跟钢筋水泥打交道,哪还有空去背那些考试题?更别提现在办证流程越来越复杂,稍有不慎就可能耽误项目进度… · 2026/11/23 0:00:44
低压电工证复证材料千万别踩坑!这些材料你准备好了吗? 低压电工证复证材料千万别踩坑!这些材料你准备好了吗? 证书过期了不知道怎么复审延期?你不是一个人!现在不少电工朋友都在为低压电工证复证材料发愁,怕流程复杂、怕材料不全、怕耽误工作。其实,只要准备充分,复审一点都不难。今天就来带你一步步搞清楚… · 2026/11/23 0:00:44
上海哪里考电工证便宜真实经历分享:实操考试心里没底怕挂科 上海哪里考电工证便宜真实经历分享:实操考试心里没底怕挂科 实操考试心里没底怕挂科,这是很多准备考电工证的朋友的共同心声。尤其是在上海这样的大城市,报考渠道多、价格不一,很多人在报名前都会犹豫到底该去哪家机构,费用多少才算合理。我自己在驻马店… · 2026/11/23 0:00:44
双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/22 20:41:13
STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/23 3:25:38
DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/22 23:39:58