<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[phantom_111的博客]]></title><description><![CDATA[随着时间的流逝痛苦会变得淡薄，然而我并不想让时间来治愈我的痛苦，就算从痛苦中逃脱，忘记一切，得到的也只是停滞，无法前进。]]></description><link>https://blog.csdn.net/phantom_111</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; phantom_111]]></copyright><item><title><![CDATA[Harness 入门介绍：模型外面那层到底在做什么]]></title><link>https://blog.csdn.net/phantom_111/article/details/165889389</link><guid>https://blog.csdn.net/phantom_111/article/details/165889389</guid><author>phantom_111</author><pubDate>Fri, 18 Sep 2026 20:24:16 +0800</pubDate><description><![CDATA[本文探讨了AI Agent实现任务闭环的核心——harness，即模型与工具之间的运行时系统。它负责上下文管理、工具调用、状态追踪、权限控制与结果验证，确保模型提出的意图能被正确执行。文章通过一个修改README的任务案例，揭示了Harness在连接模型、工具与环境中的关键作用，并对比了其与Agent Framework、Eval Harness、MCP等概念的区别。最后建议从最小可行版本入手，理解Harness如何串联起整个任务流程。]]></description><category></category></item><item><title><![CDATA[Ongrid 入门介绍：让 AI Agent 参与运维排障]]></title><link>https://blog.csdn.net/phantom_111/article/details/164204946</link><guid>https://blog.csdn.net/phantom_111/article/details/164204946</guid><author>phantom_111</author><pubDate>Mon, 31 Aug 2026 09:36:18 +0800</pubDate><description><![CDATA[继续翻架构文档后才发现，它真正值得关注的是 edge：在每台主机上运行一个轻量 Agent，主动向中心端建立连接，让上层 AI 不只是解释告警，还能查询指标、搜索日志、追踪调用链，甚至做主机巡检。Ongrid 的页面里有 Monitor、Logs、Traces 和 Topology，Agent 背后则可以调用 PromQL、LogQL、TraceQL、拓扑查询和主机巡检工具。任务进入具体领域后，Coordinator 可以把工作交给 SRE、网络、计算、磁盘或故障调查等专家 Agent，再把结果汇总回来。]]></description><category></category></item><item><title><![CDATA[搞懂 Kubespray 和 Ray：一个负责搭集群，一个负责跑 AI 任务]]></title><link>https://blog.csdn.net/phantom_111/article/details/162933203</link><guid>https://blog.csdn.net/phantom_111/article/details/162933203</guid><author>phantom_111</author><pubDate>Thu, 16 Jul 2026 12:46:29 +0800</pubDate><description><![CDATA[组件主要管理对象主要出现阶段解决的问题KubesprayLinux 机器上的 Kubernetes 组件与集群配置集群部署和维护怎么把一批机器安装成 Kubernetes 集群KubernetesNode、Pod、Service 以及 CPU、内存、GPU 等资源长期运行容器放在哪里，运行状态怎么维持KubeRayRayCluster、RayJob、RayService 及其 Kubernetes 资源Ray 集群部署和维护怎么在 Kubernetes 中创建和管理 Ray 集群。]]></description><category></category></item><item><title><![CDATA[Multica 使用心得介绍]]></title><link>https://blog.csdn.net/phantom_111/article/details/161727712</link><guid>https://blog.csdn.net/phantom_111/article/details/161727712</guid><author>phantom_111</author><pubDate>Fri, 05 Jun 2026 21:06:14 +0800</pubDate><description><![CDATA[Multica 给笔者的第一感觉，就是它不只是一个「能启动 AI Agent 的工具」，而是把 AI Agent 放进了一个更接近真实研发协作的工作台里：有 workspace，有 issue，有 agent，有 comment，有 metadata，也有本地 runtime。写这篇的时候，笔者最大的感受是：AI Agent 真正开始参与工作以后，问题就不只是「模型聪不聪明」了，而是「任务能不能被稳定地交给它、执行它、验收它」。你的气质里，不但有你的教养，也有教养所带来的结果，好的成果，或者不好的后果。]]></description><category></category></item><item><title><![CDATA[opencli 使用总结]]></title><link>https://blog.csdn.net/phantom_111/article/details/161200555</link><guid>https://blog.csdn.net/phantom_111/article/details/161200555</guid><author>phantom_111</author><pubDate>Mon, 18 May 2026 19:45:43 +0800</pubDate><description><![CDATA[但实际跑了一圈以后，发现它真正想解决的问题不是“多几个命令”，而是给人和 AI Agent 提供一个统一、可脚本化、可复用的工具入口。但如果站在 AI Agent 的角度看，它的意义会更明显：网页是给人看的，命令是给程序用的，结构化输出才是 AI 后续稳定干活的基础。OpenCLI 也提供底层浏览器命令，不过官方文档里说得很明确：这部分主要是给 AI Agent 用的，不是给人手敲的。也就是说，OpenCLI 的浏览器命令更像是一套“网页自动化原语”，人不一定直接用，但 AI Agent 很适合用。]]></description><category></category></item><item><title><![CDATA[Skill 机器人 vs Hermes Agent：两种「AI 越用越聪明」的路径]]></title><link>https://blog.csdn.net/phantom_111/article/details/160258619</link><guid>https://blog.csdn.net/phantom_111/article/details/160258619</guid><author>phantom_111</author><pubDate>Fri, 17 Apr 2026 20:24:25 +0800</pubDate><description><![CDATA[写完之后最大的感受是：自己做的东西虽然能用，但跟 Hermes 这种经过深度设计的系统比起来，确实还有不少可以优化的空间。而且 Hermes 的文档里提到，它的内存架构是「缓存感知」的——系统 prompt 在会话初始化时会被冻结成快照，后续的高频模型调用可以复用缓存的上下文窗口，进一步减少 token 开销。注：这就是「程序性记忆」的威力——Hermes 记住的不是「竞品 A 的价格是多少」（这是事实记忆），而是「查竞品定价应该先用搜索引擎而不是直接访问官网」（这是方法记忆）。]]></description><category></category></item><item><title><![CDATA[写 SIP 服务后台前，先把 SIP 和 PSTN 搞清楚]]></title><link>https://blog.csdn.net/phantom_111/article/details/159930174</link><guid>https://blog.csdn.net/phantom_111/article/details/159930174</guid><author>phantom_111</author><pubDate>Tue, 07 Apr 2026 20:45:40 +0800</pubDate><description><![CDATA[对现在的笔者来说，真正重要的不是先把术语背熟，而是先知道一通电话到底可以从哪几个层面去看。现在回头看，笔者觉得自己一开始会被绕晕，其实是因为平时说「打一通电话」时，默认把很多事情都当成了一个动作。后面如果真的开始写后台，笔者会先把问题看清楚，再去补术语，而不是反过来。但后面笔者发现，刚开始其实不用把它们记得太学术，先把它们放回上面第二通电话里去看，就够用了。最核心的作用，并不是「替你把声音传过去」，而是负责让一通电话从开始到结束有状态可跟。最重要的价值，不是它有多像协议，而是它能把一通电话的状态组织起来。]]></description><category></category></item><item><title><![CDATA[Skill 与 MCP Function：傻傻分不清楚？]]></title><link>https://blog.csdn.net/phantom_111/article/details/159433883</link><guid>https://blog.csdn.net/phantom_111/article/details/159433883</guid><author>phantom_111</author><pubDate>Tue, 24 Mar 2026 19:52:33 +0800</pubDate><description><![CDATA[说实话，最开始笔者把 Skill 理解成「只读的知识注入、没有副作用」，后来发现这个理解是有偏差的——Skill 里写的是指令，AI 是会照着执行的，能不能产生副作用取决于 AI 有没有对应的工具，而不是 Skill 本身的限制。整个过程中，AI 真实地调用了 GitHub API，拿到了实时数据，结果是确定的，不依赖 AI 的「记忆」或「理解」。，通过文件的形式注入到 AI 的上下文里。：你提供一个函数，AI 决定「什么时候调用」，但调用的过程和结果是确定的，不受 AI 理解偏差的影响。]]></description><category></category></item><item><title><![CDATA[Kiro 与 Cursor 使用对比：AI 编程助手的深度体验]]></title><link>https://blog.csdn.net/phantom_111/article/details/157657943</link><guid>https://blog.csdn.net/phantom_111/article/details/157657943</guid><author>phantom_111</author><pubDate>Mon, 02 Feb 2026 20:53:17 +0800</pubDate><description><![CDATA[MCP 是一个开放协议，允许 AI 工具连接外部数据源和服务。Kiro 原生支持 MCP，可以轻松集成各种工具。},"env": {工具优点缺点Cursor✅ Tab 补全体验极佳✅ 上手简单，学习成本低✅ VS Code 生态完整✅ Composer 模式直观✅ 响应速度快❌ 需要频繁手动操作❌ 不支持自主执行❌ 缺少工作流自动化❌ 没有 Spec 驱动开发❌ 集成能力有限Kiro✅ 自主执行能力强✅ Spec 驱动开发规范✅ Hooks 自动化工作流。]]></description><category></category></item><item><title><![CDATA[BeeAI 框架—ReActAgent 学习]]></title><link>https://blog.csdn.net/phantom_111/article/details/156614490</link><guid>https://blog.csdn.net/phantom_111/article/details/156614490</guid><author>phantom_111</author><pubDate>Mon, 05 Jan 2026 19:22:24 +0800</pubDate><description><![CDATA[ReAct 这个名字很有意思，它其实是Reasoning（推理）和Acting（行动）两个词的组合。通过推理来决定行动，通过行动的结果来指导下一步推理。# ReActAgent 的创建非常简单从代码来看，ReActAgent 的 API 非常简洁，只需要提供 LLM、工具列表和内存管理即可。但简洁的背后，隐藏着强大的自主决策能力。注：思考一下理论上 LLM 都需要提供特定的 prompt 才能够让 LLM 按照预期返回，但是上面的 ReActAgent 木有要求设置。]]></description><category></category></item><item><title><![CDATA[BeeAI 框架学习记录]]></title><link>https://blog.csdn.net/phantom_111/article/details/155893349</link><guid>https://blog.csdn.net/phantom_111/article/details/155893349</guid><author>phantom_111</author><pubDate>Sat, 13 Dec 2025 22:10:15 +0800</pubDate><description><![CDATA[最近一个月又被隔壁项目组借调过去，去搞优先级更高的服务了，不过好在笔者心态好，毕竟接触的越多学习的越多，学习的越多积累的就越多。不过借调到隔壁组的坏处是本职工作 + 借调的双份任务都需要保质保量的完成，导致笔者没有更多的时间学习感兴趣的新知识，刚好周末寒潮来袭，宅在家里学习感兴趣的新知识就是一个很不错的选择了。啦啦啦，终于在周末的寒潮中宅在家里学习了 BeeAI Framework，今日份学习就先到这里结束吧。项目提供了快速上手的模板，包含了多个实用的示例，让笔者能够快速理解框架的核心概念和使用方式。]]></description><category></category></item><item><title><![CDATA[如何让 AI 按照你的预期输出]]></title><link>https://blog.csdn.net/phantom_111/article/details/154849016</link><guid>https://blog.csdn.net/phantom_111/article/details/154849016</guid><author>phantom_111</author><pubDate>Fri, 14 Nov 2025 21:36:13 +0800</pubDate><description><![CDATA[Spec-Kit是 GitHub 开发的一个开源工具，用来控制 AI 生成代码的质量。简单理解不用 Spec-Kit：直接让 AI 开始建，可能建歪了、不符合要求用 Spec-Kit：先画好详细图纸，再让 AI 严格按照图纸施工Spec-Kit 就是那个"画图纸"的工具，确保 AI 生成的代码符合你的要求。优点代码质量高：先写规范，AI 生成的代码更符合预期减少返工：提前想清楚需求，避免后期大改流程清晰：团队协作时，每个人都知道在做什么支持多种 AI。]]></description><category></category></item><item><title><![CDATA[降噪算法的效果分析]]></title><link>https://blog.csdn.net/phantom_111/article/details/153524743</link><guid>https://blog.csdn.net/phantom_111/article/details/153524743</guid><author>phantom_111</author><pubDate>Sat, 18 Oct 2025 15:26:20 +0800</pubDate><description><![CDATA[遇到了，别回应，别解释，别自责，别纠缠，要学会无视，要直接拉黑，要趁早远离，要把宝贵的时间和精力用在做好眼前的事、过好眼前的生活、哄自己开心和努力搞钱上。生活中遇到讨厌的人如果一直跟他较劲、过不去似乎不是最好的处理方式，更好的处理方式是将愤怒的情绪用于学习，然后远离那些让自己讨厌的人，笔者周六学习的动力也大概来源于此了。不要取悦谁，不要委屈自己，不要被别人牵着鼻子走，不要表演，也不要迎合别人的表演，不要在消极的情绪里自我拉扯，也不要在妄想中自我沉醉，更不要与自己处处为敌。]]></description><category></category></item><item><title><![CDATA[关于排查问题的总结]]></title><link>https://blog.csdn.net/phantom_111/article/details/152230228</link><guid>https://blog.csdn.net/phantom_111/article/details/152230228</guid><author>phantom_111</author><pubDate>Sun, 28 Sep 2025 20:57:33 +0800</pubDate><description><![CDATA[接的需求是，在使用 aiohttp 库的时候，能够复用 http client ，无需每次请求都重新建立连接，以达到最终减少请求和返回的耗时的目的。结论：最终查下来， start 超时是因为请求的机器，磁盘读写耗时极高，分析下来，可能是因为混用的测试环境，其他服务的测试写入了过多的音视频文件导致……不推卸责任，问题当时是实现代码人的问题，记录在这里，方便下次在类似的改动前，能够在深入探究一步，减少后续返工以及故障的可能性。还好，虽然排查的过程有点痛苦，但是还是从中学到了之前不知道的支持，比如。]]></description><category></category></item><item><title><![CDATA[让 Cursor 教我写插件]]></title><link>https://blog.csdn.net/phantom_111/article/details/151616709</link><guid>https://blog.csdn.net/phantom_111/article/details/151616709</guid><author>phantom_111</author><pubDate>Fri, 12 Sep 2025 13:48:18 +0800</pubDate><description><![CDATA[当你尝试搬起石头的时候，你也许会发现其他它可能没有想象中那么重。所有恐惧都是来源于自己的想象。// 这个函数会在插件激活时被调用console.log('插件 "cursor-time-inserter" 已激活！');// 注册命令try {// 获取活动编辑器if (!editor) {await vscode.window.showInformationMessage('请先打开一个文件！');return;// 获取当前时间// 在光标位置插入文本});});]]></description><category></category></item><item><title><![CDATA[Cursor 教我学 Python]]></title><link>https://blog.csdn.net/phantom_111/article/details/151120739</link><guid>https://blog.csdn.net/phantom_111/article/details/151120739</guid><author>phantom_111</author><pubDate>Tue, 02 Sep 2025 20:32:10 +0800</pubDate><description><![CDATA[最近加了很多 Python Coding 的任务，虽然在 AI 加持下能够顺利完成，但是还是觉得心理不踏实，觉得很多代码 AI 写完自己不是很懂，不喜欢这种感觉。需求是需要在客户请求大模型前，提前发送一次请求大模型，确保在客户请求的时候，就可以节省掉 tls 握手和 tcp 建立连接的时间，简称之为预热。之前写的是 golang ，为了用类比法更好的理解 yield ，可以在 golang 中实现一个类似能力的示例。修改的代码中，函数的返回很多处用了 Yield 而不是 return ，这引起了我的好奇。]]></description><category></category></item><item><title><![CDATA[Cursor 分析 bug 记录]]></title><link>https://blog.csdn.net/phantom_111/article/details/150431458</link><guid>https://blog.csdn.net/phantom_111/article/details/150431458</guid><author>phantom_111</author><pubDate>Fri, 15 Aug 2025 22:03:51 +0800</pubDate><description><![CDATA[由于正则是 error\s+code.*1007，它会从 “Error code” 开始一直向后匹配，直到命中 SessionId 末尾的 “1007”，从而误判为致命错误。但是这个非 cursor 修复的，原因是 cursor 没有办法本地复现，导致它在 fix 这个问题的时候花费了比较长的时间。在前前后后接近 20 轮的压测过程中，不仅需要快速的相应压测出现的各种问题，还需要同时快速修复代码的 bug。成长是一笔交易，我们都是用朴素的童真，与未经人事的洁白，交换长大的勇气。这个世界，需要无用的东西。]]></description><category></category></item><item><title><![CDATA[Claude AI 编程初体验]]></title><link>https://blog.csdn.net/phantom_111/article/details/149966864</link><guid>https://blog.csdn.net/phantom_111/article/details/149966864</guid><author>phantom_111</author><pubDate>Wed, 06 Aug 2025 12:54:46 +0800</pubDate><description><![CDATA[透过现象看本质，既然 Cursor 最好用的模式是使用 「claude-4-sonnet」模型，只要笔者能够直接使用 「claude-4-*」相关的模型，那当前工具影响的问题，就应该可以得到缓解。AI 这如火如荼的发展趋势，让笔者越来越觉得，在 AI 的浪潮下如何更快速的适应和使用它们是当前的首要问题了。要好好努力然后多挣钱，才养得起自己这个爱吃的胃，爱玩儿的心，爱逛爱买的习惯就算是一个人往一个人来，也能生活得很好。Claude 已经预判了笔者的预判，只要简单的输入「/」，就可以快速的浏览常用的快捷键。]]></description><category></category></item><item><title><![CDATA[关于 Python 的踩坑记录]]></title><link>https://blog.csdn.net/phantom_111/article/details/149514377</link><guid>https://blog.csdn.net/phantom_111/article/details/149514377</guid><author>phantom_111</author><pubDate>Mon, 21 Jul 2025 20:13:31 +0800</pubDate><description><![CDATA[python 生成的 proto 对应的文件是会动态依赖 protobuf 库，且库的版本必须要跟 proto 的文件的版本对应。笔者使用的基础组件，在遇到这种依赖高版本的 protobuf 但本地又不存在的情况时，代码会直接崩溃。笔者接到的需求是补充监控上报的指标，需要使用 proto 协议上报，在评估的时候，我是觉得这不应该很简单，生成 & 上报一下就可以。注：现在复盘开发中的问题，这种自己摸索的方式还是太低下了，还是应该更早的去请教同事们。上一个因为自己不懂的坑，终于被填完了，下一个又来。]]></description><category></category></item><item><title><![CDATA[关于 Cursor 小插曲记录]]></title><link>https://blog.csdn.net/phantom_111/article/details/149233430</link><guid>https://blog.csdn.net/phantom_111/article/details/149233430</guid><author>phantom_111</author><pubDate>Wed, 09 Jul 2025 20:56:48 +0800</pubDate><description><![CDATA[最近在历经一番波折之后，终于换掉了用了 4 年的电脑，可以尝试在新电脑上跑 x86 了的容器了，再也不用担心在家办公连接 VPN 不稳定的问题了。花开二度，刚喜滋滋的用了不到几天，昨天下午发现又开始编译失败了，而且跳转功能也有问题，还有个紧急问题等着笔者排查。还好，开发机还能用，事分轻重缓急，先解决 QA 测试问题。本地开发还没快乐多久，就发现了问题，编译的时候，电脑跟飞机起飞一样。注： cursor 现在解释问题的细致程度有点子超过了我的想象，真的是幼师式指导。别人是会离开的，但你自己一直都在。]]></description><category></category></item></channel></rss>