- 博客(306)
- 收藏
- 关注
RSS订阅原创 Agent 规划与推理：让AI从应激反应到主动思考
用户：帮我写一个数据分析报告Agent 直接开始写，写到一半发现需要数据→ 搜索数据→ 发现有数据，但格式不对→ 重新处理→ 效率极低用户：帮我写一个数据分析报告Agent 先规划：1. 明确数据源和格式2. 获取数据3. 数据清洗4. 数据分析5. 生成报告→ 按顺序执行，效率高，出错少规划 = 把复杂任务拆解成可管理的子任务。能力说明实现方式任务分解把复杂任务拆成子任务LLM 分解 + DAG计划生成生成执行步骤LLM 规划计划执行按顺序/并行执行执行器。
2026-07-14 10:11:48
102
原创 RAG 基础架构详解：检索-增强-生成的完整工作流
Agent 的核心能力之一是"获取信息"。知识截止：模型不知道训练之后的任何事情幻觉：模型会编造不确定的信息不精确：模型的知识是"模糊"的，不是"精确"的不可更新：想更新知识，得重新训练不是让模型"记住"知识，而是让模型"检索"知识。模型：我"知道"的知识 → 训练时定格的，不可靠RAG：我"检索"的知识 → 实时获取的，可验证阶段核心组件关键决策检索索引、分块、嵌入模型分块策略、检索方法增强Prompt 模板、上下文注入注入方式、引用格式生成LLM温度控制、约束条件。
2026-07-14 10:11:27
181
原创 工具系统与 MCP 协议：2026年Agent工具调用标准全景
阶段 1：硬编码工具（2023）工具代码写在 Agent 代码里，耦合度高阶段 2：插件化工具（2024）工具通过接口注册，可动态加载阶段 3：MCP 协议（2025-2026）工具通过标准协议定义，跨平台、跨框架2026-07 更新：MCP（Model Context Protocol）由 Anthropic 于2024年底开源，2025年12月正式捐赠给Linux Foundation旗下的AI智能体基金会。
2026-07-14 10:11:04
211
原创 Transformer 架构深度拆解：从 Attention 到 Agent 的底层密码
2026 年，你随便打开一个 Agent 框架——OpenClaw、LangGraph、CrewAI——底层都在调用 LLM。而当前所有主流 LLM（GPT-5、Claude 4、Llama 4、Qwen 3、DeepSeek V3/R1、GLM-5.2）的架构核心，都是。2026-07 更新：更新模型列表为2026年7月最新这不是历史课。为什么上下文窗口有长度限制？→ 因为 Self-Attention 的计算复杂度是输入长度的平方为什么 Agent 容易"记忆出错"？
2026-07-14 10:10:42
142
原创 从 LLM 到 Agent：Agent 的定义与本质
能做简单任务，但多步就不行了能调用工具，但一个接一个调用就乱了能记住上下文，但超过 10 轮对话就忘了能推理，但需要规划时就不行了LLM 不是 Agent。LLM 是 Agent 的大脑，但不是全部。就像人类有大脑、眼睛、耳朵、手、脚、记忆——Agent 也需要这些组件，LLM 只是其中的"大脑"。
2026-07-14 10:10:21
176
原创 Agent 记忆系统深度解析：从失忆到长记性的工程之路
用户：我叫张三Agent：你好，张三！用户：我叫什么名字？Agent：抱歉，我不记得你刚才说了什么。请问你叫什么名字？用户：我叫张三，喜欢简洁的回复Agent：好的，张三！用户：帮我查一下今天的新闻Agent：张三，以下是今天的新闻摘要...（记得用户的名字，回复更简洁）记忆，就是 Agent 的"持续性"——让 Agent 不仅知道"现在"，还知道"过去"。
2026-07-14 10:10:02
252
原创 提示词工程的底层逻辑：别再‘许愿‘了，这是一门工程学科
Agent 的 System Prompt 是什么？它是 Agent 的"系统指令"，定义了 Agent 的角色、行为、工具、规则。你是一个有用的 AI 助手。你可以使用以下工具："""然后跑了一遍，发现 Agent 不听话，就开始加"请你务必"“一定要”“注意”——越写越长，越写越乱。问题出在哪？你不是在写 Prompt，你是在"许愿"。你没有理解模型到底是怎么"理解"你的文字的。
2026-07-14 08:23:45
179
原创 技术采纳曲线的博弈哲学：AI时代你在哪，比用什么重要
场景你的位置建议决策信号AI编程开发者但没用AI立即进入Peer采用率 >50%AI编程已用AI加深投入个人效率提升 >30%AI客服所在行业渗透率 >30%立即部署竞争对手已上线AI客服所在行业渗透率 <10%准备基础设施标杆案例出现AI写作任何内容创作者适度辅助读者不排斥AI辅助内容AI投资长线投资者基础设施 + 已验证PMF应用注意力指标持续上升开头我说：这系列文章的核心是一个问题的不同侧面——AI的真实渗透率和潜在的空间。
2026-06-21 10:37:07
329
原创 AI冰山模型：80亿美元花错了方向，65亿人还没下水
站在2026年回看AI的普及进程，最有趣的事情不是AI有多厉害，而是大多数人根本不知道AI发生了什么。82亿人里有65亿从没用过AI。10亿月活用户的ChatGPT，深度使用者不过几百万。中国AI渗透率53%——但如果你去二线以下城市问问"用AI做什么"，绝大多数人的答案是"聊天呗"。AI的冰山，露在水面的尖顶已经被媒体炒成了珠穆朗玛峰。水面之下的基座，深得看不到底。GPU、HBM、先进封装、AI数据中心的产业链长期逻辑没有动摇。
2026-06-21 00:16:14
446
原创 Agent四层记忆架构：为什么你的Agent总是失忆？
Agent的记忆系统不是"上下文窗口够不够大"的问题，而是"你有没有给Agent装上长期记忆"的问题。
2026-06-18 08:43:35
158
原创 LLM Agent的约束衰减：为什么30%的代码生成不可用？
2026年5月，arXiv论文《Constraint Decay: The Fragility of LLM Agents in Backend Code Generation》（arXiv:2605.06445）给出了精确的定义和量化证据：当结构约束逐渐累积时，Agent的性能出现显著下降。能力较强的配置在完整约束任务上比基线任务平均损失30分（assertion pass rate），而较弱的配置接近零分。约束越多，Agent越笨。不是慢慢笨，是断崖式笨。这个发现来自一组严格的对照实验。
2026-06-18 08:41:53
166
原创 SkillOpt：把Agent的技能当可训练权重，而不是一次性Prompt
SkillOpt把"写好Prompt"从一门手艺变成了一门工程——有数据、有验证、有迭代、有保证。
2026-06-18 08:40:49
263
原创 AI你不知道的事：算力芯片电力资源的隐形成本
AI 看起来是软件，但底层全是物理。每一行 AI 生成的代码背后，是芯片在发热、内存在搬运、冷却液在流动、电表在转、水在蒸发、旧硬件在堆成山。理解这些隐形成本，不是为了唱衰 AI，而是为了更清醒地判断：什么值得做，什么只是看起来酷。算力不会无限增长，电力不会无限供给，水也不会凭空出现，芯片也不会凭空消失。在物理定律的约束下，效率才是终局。那些能同时优化算法效率、硬件利用率和能源效率的公司，才是 AI 时代的真正赢家。
2026-06-18 05:17:28
270
原创 TBase vs Redis：不是选谁，是选谁干什么
TBase vs Redis 不是选择题，是分工题。需求用什么数据不能丢，查询要复杂TBase（或单机PG）读得要快，写得要快，丢了能恢复Redis两者都要TBase+Redis，Cache Aside模式只有一个，选谁选TBase（数据安全优先，缓存可以后补）最后一条建议很现实：如果你预算有限只能部署一套系统，先部署关系型数据库。缓存可以后加，数据丢了无法后补。Redis是锦上添花。TBase（或PostgreSQL）是雪中送炭。先解决"存得住"，再解决"读得快"。
2026-06-17 12:27:14
187
原创 RAG分块策略与混合搜索：那些网上没人讲清楚的技术细节
知识库中提到：关键优化在于为每个分块附加丰富的元数据，如文档来源、章节标题、创建时间等，并将其存储于向量数据库中。"""为分块添加元数据"""metadata={"has_code": "```" in chunk, # 是否包含代码"has_table": "|" in chunk, # 是否包含表格过滤检索：可以按来源或时间范围过滤调试：知道问题文档来自哪里展示：告诉用户答案来自哪个章节RAG系统的分块策略，说到底是在信息完整性和检索精准度之间找平衡。
2026-06-17 12:21:18
190
原创 AI应用数据库选型：三件事想不清楚，你搭的架构就是定时炸弹
做AI应用开发，数据库选型比技术本身更致命。三套数据库，三套运维，三套故障点。今天不聊三种数据库各自有什么能力，搜索引擎比我说得好。
2026-06-17 09:17:05
296
原创 多维度限流实战：用户×资源×时间，三个维度一起限才有意义
单一维度限流是"能跑"。多维度限流是"能跑且跑得久"。用户维度解决"谁在用"的问题。资源维度解决"用什么"的问题。时间维度解决"什么时候用"的问题。三个维度各自有盲区，合在一起才能覆盖生产环境的复杂场景。限流不是只有"允许"和"拒绝"两个选项。降级、排队、延迟执行，都是限流策略的一部分。把这句话写进你的代码注释里。下次做限流设计的时候，想想除了return 429，你还能做什么。
2026-06-17 08:21:48
238
原创 AI时代的限流：当Token比QPS更致命，你的系统可能正在裸奔
传统限流解决的是"请求太多服务器扛不住"的问题。LLM限流解决的是"Token消耗不可预测、成本不可控、多供应商规则不统一"的问题。维度变了，打法也得变。按Token限流，不是按请求。TPM才是杀手，RPM只是表面。降级不是失败，是设计。多模型、多供应商、缓存兜底，每一层都是保险。可观测性不是可选项。不监控429错误率的LLM应用，和裸奔没区别。别等生产环境被429打爆了才想起来加限流。现在就去检查你的代码里是不是还在用。
2026-06-16 18:37:11
442
原创 你以为加了限流就安全了？限流的12个反模式，每一个都可能搞崩你的生产环境
限流失败的原因，总结起来是四类。反模式一（单点故障）：没有考虑限流组件本身的可用性反模式八（限流降级割裂）：把限流当终点而不是当入口反模式十一（规则硬编码）：限流规则不能随流量动态调整反模式二（内存炸弹）：滑动窗口实现没有控制数据规模反模式四（临界突刺）：固定窗口边界效应没有处理反模式七（缺少Retry-After）：429响应不完整反模式五（时钟漂移）：跨节点时间不一致反模式六（粒度太粗）：单一维度无法覆盖真实场景反模式十（热Key）：限流Key分布不均导致新问题。
2026-06-16 18:27:45
516
原创 Token消费是未来必备消费：从算力账单到AI水电煤的产业跃迁
2026年，Token消费的拐点已经出现。Token不是技术消费，是基础设施消费。就像你不会质疑为什么要交网费一样，未来你也不会质疑为什么要买Token。问题是：你准备好了吗？本文数据来源：高盛2026年5月报告、Ramp内部数据、OpenAI官方数据、三大运营商官网、银河证券研报、Linux基金会公告。所有价格数据截至2026年6月。
2026-06-15 12:35:26
185
原创 Vibe Coding踩坑实录：3个项目从烂尾到交付的血泪经验
你也觉得Vibe Coding就是"跟AI说一句话，代码自己就写好了"？我拿3个真实项目做了完整的从启动到交付测试，结果发现：没有工程方法的Vibe Coding，烂尾率高达80%以上。本文记录了我踩过的所有坑，以及最终的解决方案。
2026-06-15 12:04:32
329
原创 Claude Fable 5发布3天即遭禁：中国开发者的断供求生指南
在AI时代，唯一不变的就是变化本身。工具会来来去去，但工程思维和架构能力才是真正的护城河。与其纠结哪个模型更好，不如花半天时间搭建一套模型适配层。这样无论明天谁被封、谁开放，你的项目都能平滑切换。你目前在项目中使用的是哪个AI模型的API？如果它明天突然不可用，你有多长时间能完成迁移？欢迎在评论区分享你的应急预案。标签：AI大模型、国产替代、API迁移、Anthropic、技术架构。
2026-06-15 12:03:53
241
原创 深度解析 LLM Agent 架构：从核心组件到生产级系统设计
2025 年，LLM Agent 领域论文发表数量呈爆发式增长，已超越传统终身学习研究。Agent 不再是"能聊天的机器人"，而是能感知环境、调用工具、自主决策的"AI 个体"。但当 Agent 从 Demo 走向生产，开发者面临的不再是"能不能跑通"的问题，而是"能不能在客户手上可靠运行"。本文从知识库中萃取 AI 工程领域的核心知识点，结合 2026 年最新的 12-Factor Agents 方法论，系统拆解 LLM Agent 架构的方方面面。传统 LLM 应用是单轮请求-响应。
2026-06-14 20:57:12
1010
原创 中国大模型周调用量碾压美国4.4倍：这组数据背后藏着怎样的产业真相
中国大模型调用量碾压美国4.4倍，这是一个事实。但这个事实的背后，是价格战、场景下沉、和推理算力红利的消耗。调用量领先≠技术领先。真正的技术领先，体现在模型质量、推理效率、和商业可持续性上。中国大模型厂商在调用量上已经领先，但在质量和利润率上还有很长的路要走。你觉得中国大模型的"价格战"能持续多久？调用量领先最终能转化为技术领先吗？评论区聊聊。标签：大模型, Token调用量, DeepSeek, 价格战, AI产业分析。
2026-06-14 11:08:40
208
原创 OpenAI严禁手写代码：人均PR吞吐量暴涨20倍的Harness Engineering，到底在做什么
从"人写代码"到"人定义规则，AI执行代码"。这个转变不会一夜发生，但方向已经很清晰了。未来的工程师，核心能力可能不是写代码，而是定义约束——知道什么是好代码，并且能把这个"知道"变成机器可执行的规则。你的团队有在尝试AI编程吗？你觉得Harness Engineering的理念在国内能落地吗？评论区聊聊。标签：OpenAI, Harness Engineering, AI编程, 代码质量, 工程效率。
2026-06-14 11:08:08
459
原创 华为鸿蒙HarmonyOS 7深度解析：从操作系统到AgentOS的架构跃迁
鸿蒙从0到6600万台设备用了14个月，而Agent架构的落地才刚刚开始。作为开发者，你面对的不是一个简单的"适配新OS"的任务，而是一个交互范式转移的历史节点。你觉得在AgentOS时代，传统App会被完全取代，还是会以某种形式与Agent共存？你最看好哪个场景率先跑通Agent模式？HarmonyOS7, AI Agent, 华为HDC2026, 鸿蒙开发, AgentOS。
2026-06-14 11:07:48
714
原创 豆包暴跌610万用户的真相：AI产品免费模式的死亡螺旋与破局路径
豆包的610万用户流失不是某个产品的失败，而是整个AI行业商业化探索中的一个重要数据点。在AI时代，产品思维需要重新校准。"任务模式"的上线是正确的方向。但真正的考验在于：这个Agent化转型能否足够快、足够好用，在用户流失惯性中形成新的增长曲线。你怎么看AI产品的付费模式？你愿意为哪种AI能力付费？是更强的对话能力、还是自动化执行能力、还是特定场景的解决方案？豆包AI, AI商业化, AI Agent, 产品策略, 字节跳动。
2026-06-13 15:52:17
278
原创 AI落地的最大瓶颈不是技术，是评估：一场路灯效应制造的集体迷失
Lun Wang的那篇博客标题没有用任何夸张的词汇。一个从Google DeepMind离职的研究员，选择用4000词平实地讨论评估问题。没有炒作，没有声明，只是把自己观察到的事实写出来。我们可能正在用错误的尺子，建造一个看起来正确但地基有裂缝的AI大厦。路灯效应不是AI独有的问题。医学研究中也有"可测量的偏差"（Measurability Bias），教育领域也有"标准化考试导致教学应试化"的争论。天文学家卡尔·萨根在讲述路灯效应时说：钥匙可能不在路灯下，但在那里找要容易得多。
2026-06-13 11:15:38
602
原创 MiniMax M3开源实战：4280亿参数MoE模型本地部署与性能评测
国产大模型正在构建"模型+算力+框架"的全栈自主化能力。对于开发者来说，现在是一个好时机——你可以用相对低的成本，在一个世界级的开源模型上做实验。你如何看待MoE架构vs Dense架构的未来？在你的实际业务场景中，更看重模型规模还是推理效率？欢迎在评论区分享你的实测数据。MiniMax M3, 大模型部署, MoE架构, vLLM, 国产大模型。
2026-06-13 11:15:18
924
原创 反脆弱税：普通人一生都在默默支付的隐形代价
信息差不是"内幕消息"（那是违法的）。你知道一些别人还不知道的有价值的信息，并且你能基于这个信息采取行动。地域信息差：你知道某个城市/区域的发展潜力，提前布局（买房/创业/就业）行业信息差：你知道某个新兴行业的机会，提前进入（比如2023年知道AI/LLM会爆发的人，提前转行/学习，现在已经有先发优势了）技能信息差：你掌握了一项别人还没意识到价值的技能（比如2022年就开始学Prompt Engineering/LLM微调的人，现在已经被市场高价抢了）资源信息差。
2026-06-13 02:53:16
422
原创 高考结束才是真正开始学习：给AI时代新人的一份真实学习路线图
回到开头那句话：“高考结束后才是真正该开始学习的时候。学习是一辈子的事，高考只是其中一个节点。AI这个领域，变化太快了。你今天学的框架，明天可能就过时了。你今天追的新模型，下个月可能就有更好的。所以，与其追每一个新技术，不如把基础打牢。数学基础、编程能力、学习能力——这三样东西，任何技术浪潮都淘汰不了。AI不难，难的是持续学习。高考结束只是起点，后面还有很长的路。祝他，也祝所有想学AI的人，走得快，更走得远。数据来源。
2026-06-13 01:12:50
476
原创 多智能体系统的真实瓶颈：为什么Demo流畅、生产必崩
你用 LangGraph 搭了一个多智能体系统。Demo 演示流畅无比：用户发一个问题，规划 Agent 拆解任务，研究 Agent 并行搜索，代码 Agent 执行分析，最终报告 Agent 汇总。用户看了直呼"厉害"。上线第一天：响应时间 8 秒，上下文窗口爆了，Token 费用是预期的 5 倍。第五天：某个复杂任务下 Agent 开始循环调用工具，重试 20 次后抛出异常，Token 消耗了一张机票钱。这不是你的问题。这是多智能体系统的结构性代价。
2026-06-12 22:49:15
425
原创 学历的社会成本：学信网下的身份焦虑
18岁那年，你在教室里坐了三天。笔下的答案决定了你未来四年的学校——这本来没什么问题，正常的人才选拔逻辑。但问题在于，这套逻辑被延伸到了你28岁、35岁、甚至40岁的求职中。十年后的HR还在用你18岁时的考试成绩来判断你——而且是单方面的，没有解释机会。有人高考前生了场病，有人填志愿时信息不对称，有人生在了一个211录取率不到4%的省份。这些因素在数据库里没有任何记录，只留下一个冷冰冰的「非985/211」标签。你打开学信网，看到的是一行「学历查询结果：1条」。
2026-06-12 12:54:38
170
原创 热搜消失指南：谁在决定你看到什么
你一定见过这种场景。一个话题明明引爆了全网，朋友圈刷屏，群里讨论得热火朝天，结果热搜上找不到。或者刚刚还在前三，过了一个小时莫名其妙消失。官方没有公告，平台没有解释，它就这么不见了。这不只是你的错觉。
2026-06-12 12:21:42
1359
原创 手机远程控制Mac上的Claude Code开发：完整实战指南
组件作用为什么选它Tailscale内网穿透无需公网IP，点对点直连，延迟低SSH + tmux远程终端 + 会话保持断网不丢进度，多窗口并行AI编程助手原生终端体验，直接改代码随时随地：只要有网络就能连接Mac开发稳定可靠：tmux保护会话，网络波动不影响安全可控：Tailscale的ACL + SSH密钥双重保护原生体验：Termius提供真正的终端，不是远程桌面适用场景通勤路上处理紧急Bug外出时需要查看服务器日志多台设备协同工作没有公网IP的内网环境不适用场景。
2026-06-12 09:08:15
476
原创 RAG在理财多智能体中的真实用法：从书籍蒸馏到知识检索的完整实战
"""L2归一化，保证内积搜索等价于余弦相似度"""这个步骤很多人不做。不归一化的后果：长度影响相似度排序，短文本天然吃亏。花5分钟看完这篇文章。花3小时搭完这套流水线。你的理财Agent就会从一个"语义搜索工具"变成一个真正"懂你场景"的投资顾问。区别不在于你蒸馏了多少本书，而在于你怎么让知识在Agent手里发挥作用——该查PE的时候查PE，该做风险评估的时候做风险评估，该引用来源的时候知道从哪里引用。RAG真正发挥作用，不是因为它记住了所有信息，而是因为它知道怎么找到对的信息，怎么组合。
2026-06-12 08:24:56
241
3
原创 地理空间数据正在被军事化：宝可梦GO事件的技术复盘与警示
2026年6月，一则来自外媒的报道引发全球玩家愤怒：《精灵宝可梦GO》十年间积累的近300亿张玩家实景图像，正被用于训练军事级视觉定位系统。这批数据让一架没有GPS信号的无人机，在城市战场上仍能实现厘米级精准导航。这不是科幻小说。这是SLAM技术、大规模预训练视觉模型和地理空间数据共同构成的现实威胁。本文从纯技术视角出发，拆解这背后到底发生了什么，为什么一个AR游戏能积累出全球顶级的地理空间数据集，以及这些技术能力如何被转化为军事应用。写给所有对SLAM、计算机视觉和数据安全有关注的开发者。
2026-06-11 23:49:10
343
原创 iOS应用开发完整指南：从零到App Store上架（2026版，含费用清单）
很多开发者第一次接触 iOS 开发时，最头疼的不是写代码，而是搞不清楚"从哪里开始、每一步怎么做、哪里要花钱"。本文就是一份从零到上架的完整路线图，每一步都标注了是否涉及费用、具体多少钱，让你在动手前就能算清楚总成本。免费账号真机调试 7 天就过期，正式开发必须付费账号隐私政策写不好必被拒，提前准备好截图不要用模拟器截图，用真机截图或设计工具制作iOS 不支持 Flash、不支持网页直接套壳苹果审核不能用"测试账号"这个概念敷衍，要提供真实可用的测试账号密码。
2026-06-11 12:37:19
1651
原创 本地部署项目手机远程访问：5种方案保姆级教程
你的需求选这个“我就想手机上打开看看”WiFi 局域网“我出门在外也想访问”Tailscale“我想给朋友演示我的项目”ngrok 或 Cloudflare Tunnel 临时模式“我要长期稳定地远程访问”Tailscale“我要给别人通过域名访问”Cloudflare Tunnel 永久模式“我有服务器，要穿透多个服务”frp我的最终建议：先把 Tailscale 装上。它免费、零配置、永远有用，装一次终身受益。以后不管什么场景，Tailscale 都能覆盖你的基本远程访问需求。
2026-06-11 08:39:37
517
原创 AI手机开发：不是装了AI助手的手机，是APP之间的墙被推倒了
你正在微信里和朋友聊周末的演唱会。AI在后台已经帮你做完了三件事。它打开大麦网查了场次和余票。它比对了你的日历确认那天有空。它生成了购票方案等你点头。你不需要切换App。不需要复制粘贴。不需要在五个应用之间跳来跳去。这就是AI Agent手机正在做的事。不是给你装一个更聪明的Siri，而是把AI放进了驾驶座。
2026-06-11 08:38:03
211
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人