- 收录文章
- 63 篇文字被发现
- 文章访问
- 26 次从这里出发阅读
- 博客访问
- 2 次前往作者站点
- 最近更新
- 07.08 2026年
FROM THIS BLOG
最近文章
从混乱到有序：aiops如何重塑AI编程的工程纪律？
aiops 是我给 AI 编程补的一层工程规范。团队里不同人用不同 AI IDE 写代码，怎么让产出走同一条门禁链——对齐→设计→测试驱动→精简→评审→漂移检查→人确认提交，断点可续、状态可恢复、提交必须人确认。它不...
Hermes Agent深度解析：构建能够持续学习和成长的AI系统
Hermes Agent 是 Nous Research 推出的一个可进化 Agent 系统，它通过 Memory、Session Search、Skills、Curator 等模块，实现了从“会回答”到“会做事”的转变。本文将深入解析 Hermes 的架构设计，探讨如何...
跨越“知道”与“做到”：Agent Skills如何重塑AI的执行能力？
当 AI 从聊天工具走向 Copilot 和 Agent，真正卡住交付质量的，往往不是模型本身，而是缺少一套能重复、能维护、也能沉淀经验的执行路径。本文从 Agent Skills 的定义、工作机制、与 MCP 的关系以及落地方...
Vibe Coding 不是偷懒：AI 编程正在改写工程控制权
这篇文章从 Karpathy 对 Vibe Coding 的原始定义出发，结合 Addy Osmani 对 AI-Assisted Engineering 的区分、Claude Code 的 agentic coding 形态，以及 Stanford AI Index 2026 的数据，讨论 AI 编程为...
AI 效率革命：为何越“省力”越累？
AI 确实提升了知识工作的产出速度，但它并没有自动换来更多自由时间。真正被改写的不是效率本身，而是组织如何重新定义工作量、竞争基准与个人价值。
LLM Wiki：超越 RAG 的持久化知识积累范式
大多数人使用 LLM 与文档交互的方式是 RAG：每次查询时从头检索、拼凑答案，没有任何东西被真正"建立起来"。LLM Wiki 提出了一种完全不同的思路：让 LLM 持续维护一个结构化 wiki，把知识积累成可复合的持...
Claw Code 架构解析：Rust 如何重塑 AI Agent 的可靠性边界
大多数 AI Agent 框架用 TypeScript 或 Python 构建，Claw Code 选择了 Rust 并基于 Trait 泛型设计了一套完全解耦的运行时架构。这篇文章深入拆解它的核心设计决策：依赖倒置、分层工具系统、分级权限模...
Agent Harness：AI Agent 可靠性的真正瓶颈在哪里？
构建 AI Agent 最难的部分不是选模型，而是包裹模型运行的那套基础设施：工具调用、上下文管理、错误恢复、状态持久化、权限控制。这篇文章拆解 Agent Harness 的五大支柱，解释每个设计决策背后的原因与...
MCP 不只是工具调用：重新理解 AI 系统的协议层
MCP 被反复类比为 AI 世界的 USB-C，但真正值得关注的不是这个比喻本身，而是它试图解决一个更现实的问题：当 AI Agent、AI IDE 和企业系统开始同时接入越来越多工具、数据源和上下文时，如何把这些连接关...
TRAG - 基于类型定义的检索增强生成
TRAG 架构有效弥合了自然语言与结构化数据之间的鸿沟，使得 LLM 可以更轻松地集成到各类应用程序中，助力现有系统的智能化改造，加速推进业务升级。
ChatGPT助力可视化方案探索
ChatGPT 是一种基于深度学习的自然语言处理技术，可以理解和生成人类语言。与其他自然语言处理技术不同，ChatGPT可以自我训练和生成大量的文本数据。这使得ChatGPT成为了一个强大的工具，在多个领域都被广...
写给 Serverless 开发者的一些建议 - 上篇
在阅读本文之前，需要读者对 Serverless 概念有一定的了解，如果你还不知道什么是 Serverless，也可以先阅读本系列之前的相关文章。笔者在之前的几篇文章，重点讲解了很多关于如何 Serverless 化传统服务...