- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 CC-tools
本文解析 Claude Code 工具体系，先明确工具在 Agent 中的三层定位，再详解其纵深防御设计、并发调度、多级权限链与双路径输出四大核心机制。结合实测分析了 BriefTool 的移除原因，最终指出：Agent 配套架构会随大模型迭代持续优化，Agent 本质是模型能力的延伸。
2026-06-08 18:10:50
287
原创 CC-读懂 Agent Loop：Claude Code 与 LangChain 架构的本质差异
本文对比分析了两种Agent Loop架构：Claude Code（决策型）和LangChain DeepAgent（扩展型）。Claude Code以决策为核心，具有内建五层上下文管理、系统性自愈路径和原生模型协同等优势，适合工程编码和高强度迭代场景。LangChain DeepAgent采用插件式中间件架构，支持多代理扩展但性能开销较大。核心差异在于Claude Code采用集中式决策体系，包含退出决策、工具决策、记忆决策等闭环系统，而LangChain更侧重组件级扩展。高性能Agent开发建议直接基于
2026-05-23 16:21:36
397
原创 CC-Harness engneering&AI操作系统
本文探讨了AI操作系统的核心概念Harness Engineering及其关键组件Agent Loop。文章指出，Harness Engineering作为AI操作系统的核心支撑，旨在通过持续修复大模型错误，最大化发挥LLM潜力。AI操作系统包含六大模块（大模型、工具管理、提示词管理等）和高级能力（多Agent协同等）。重点分析了Agent Loop的不同学术分类及其工程实现差异，强调实际应用中Agent Loop是高度耦合的混合体，专用系统的定制化组合比通用框架更具优势。最后提出将通过研究Claude C
2026-04-08 11:46:56
398
原创 AI Agent之三：上下文管理
本文探讨了AI Agent中的上下文管理技术。上下文管理是指控制输入大模型的上下文大小，确保不超过模型限制，这是AI Agent工程化的关键。文章介绍了三层控制机制：工具截断（对大输出进行文件存储和引用）、上下文剪枝（剔除低相关性内容）和上下文压缩（总结历史信息）。这些技术通过分层阈值控制，如剪枝触发在上下文80%容量时，压缩在85%-90%时启动。文中还提供了具体场景的剪枝策略和工程化实现示例，展示了如何通过系统化方法保证AI Agent在长任务中持续高效运行。
2026-03-09 16:19:20
415
原创 AI Agent之二：工具
摘要：AI Agent工具设计面临"工具调用噩梦"问题，表现为调用次数过多、延迟过长、上下文累积等问题。根源在于将传统编程的细粒度函数设计思维直接套用于AI场景。本文提出AI工具设计核心原则是"批量聚合"，应将循环逻辑封装在工具内部执行，而非依赖LLM逐次决策调用，以解决执行效率降低200万倍的问题。工具设计需考虑大模型上下文限制，返回加工后的汇总信息而非原始数据。
2026-02-03 15:11:24
528
原创 AI Agent之一：不可能三角
AI Agent在2025年迎来爆发式发展，其本质是一个由大模型、上下文和应用组成的智能系统。核心挑战在于上下文管理的工程化，涉及窗口限制、注意力衰减和任务连贯性三大约束。开发者需理解AI Agent的"不可能三角"（准确性、延迟和成本的平衡），通过分层加载、信息压缩和目标锚定等技术优化上下文管理。当前阶段，注意力有效性取代窗口限制成为主要瓶颈，这决定了AI Agent从"可用"到"好用"的关键突破路径。
2026-01-23 17:30:35
1163
原创 SpecKit vs Openspec怎么选择
摘要：SDD工具实践表明，Speckit和Openspec适用于不同开发场景。Speckit是重型工具，通过宪法→需求→方案→任务→实现的完整流程，适合从0到1的项目开发，虽耗时但能确保文档代码一致性。Openspec则是轻量级工具，通过提案→应用→归档三步操作，适合基于现有代码的批量开发。二者可组合使用：Speckit用于初始构建，Openspec处理迭代需求，而探索性验证可直接使用Vibecoding。实践证实，动手操作是掌握SDD工具的关键。
2025-12-09 19:35:53
1352
基于C++的CORBA高级编程
2008-08-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人