- 博客(3422)
- 收藏
- 关注
RSS订阅原创 神经符号AI：结合逻辑与学习的智能体
也被称为“有效的老式人工智能” (Good Old-Fashioned AI, GOFAI)。这一流派认为，人类认知的基本单元是“符号”（Symbol），比如文字、概念、规则。智能行为是通过对这些符号进行显式的逻辑操作和推理来实现的。其代表成果包括专家系统、定理证明机、基于规则的对话系统等。优势：推理过程透明可解释，擅长处理精确的、结构化的知识，在资源有限的情况下能进行严密的演绎推理。劣势：“知识获取瓶颈”——所有规则都需要人类专家手工编写，无法自动从数据中发现模式；
2026-04-19 02:09:18
26
原创 LangGraph 状态存储方案：Redis vs 向量数据库 vs 本地文件（性能对比）
基于第一性原理的拆解，LangGraph状态存储需要解决的核心问题可以分为通用存储问题与生成式AI专用存储问题我们首先对LangGraph的抽象状态空间进行数学形式化定义：TT：所有Thread的集合，Tt1t2tnTt1t2...tnnnn为Thread的总数；StSt：第ttt个Thread的所有可能状态的集合，称为“状态子空间”，S⋃t∈TStS⋃t∈TSt称为“全局状态空间”；CtCt：第。
2026-04-19 01:18:07
173
原创 RAG与Agent的完美结合：知识增强型智能体构建指南
大语言模型的爆发为AI应用落地带来了前所未有的机遇，但同时也面临三大核心痛点：知识截止导致的时效性不足、幻觉问题导致的准确性不足、无法访问私有知识导致的场景适配不足。检索增强生成(RAG)技术为大模型装上了"可随时查阅的知识库"，完美解决了知识准确性和时效性问题；而智能体(Agent)技术为大模型装上了"决策大脑"和"执行手脚"，解决了复杂任务调度和行动能力问题。两者的融合被行业公认为下一代LLM应用的主流架构，能够覆盖90%以上的企业级AI应用场景。
2026-04-19 00:21:51
112
原创 AI Agent Harness Engineering 在政府与公共机构的应用前景
当前我国数字政府建设已进入"深水区"，各地政务大模型落地率不足17%，核心瓶颈集中在多部门协同难、合规风险高、现有系统适配成本高三大痛点。本文系统拆解了AI Agent Harness Engineering（AI代理管控工程）的核心概念、技术原理、实现方案，结合政务场景的特殊需求，提出了面向政府与公共机构的AI Agent集群落地框架，通过真实试点案例验证了该技术可将政务服务效率提升60%以上、群众满意度提升30%、行政成本降低50%。
2026-04-18 22:34:28
34
原创 终极指南：2026 年最值得关注的 10 个 AI Agent Harness Engineering 开源项目
状态管理: 如何有效表示、存储和检索智能体的内部状态和外部记忆？决策制定: 在复杂、不确定的环境中，如何做出最优或满意的决策？动作执行: 如何将抽象决策转化为具体行动，并处理执行中的错误？感知处理: 如何从多模态输入中提取有意义的信息？学习适应: 如何从经验中学习，不断改进性能？多智能体协作: 多个智能体如何有效沟通与协作？可解释性: 如何让智能体的决策过程可理解、可解释？安全性与对齐: 如何确保智能体的行为符合人类价值观和安全标准？这些问题相互关联，构成了一个复杂的系统工程挑战。
2026-04-18 21:38:13
39
原创 实战拆解：CrewAI项目实战，构建自动化研究团队
CrewAI是由João Moura于2023年底推出的、基于 Python 的多智能体协作框架“像管理人类团队一样管理AI Agent：给每个Agent分配明确的角色、目标、背景知识、专属工具；让Agent之间通过‘流程化协作’或‘自主式协作’完成复杂任务。简单来说，CrewAI =Agent定义模块任务分配模块流程编排模块工具集成模块大模型支持模块的组合体。CrewAI允许我们通过@tool@tool("关键词频率统计工具")"""统计一段文本中指定关键词的出现频率。
2026-04-18 20:41:54
128
原创 AI Agent在智能投顾中的应用：多智能体资产配置与风险控制案例
本文深入探讨了AI Agent技术在智能投顾领域的革命性应用，特别是多智能体系统在资产配置与风险控制中的实践价值。我们从第一性原理出发，构建了完整的理论框架，详细分析了多智能体协作的数学模型，并提供了实际的系统架构设计与实现代码。通过真实世界案例研究，我们展示了如何利用多智能体系统实现更高效、更稳健的投资决策过程，并探讨了这一领域的未来发展趋势与挑战。AI Agent，智能投顾，多智能体系统，资产配置，风险控制，强化学习，金融科技金融投资领域正经历着前所未有的技术变革。传统的投资顾问模式依赖于人类专家的经验
2026-04-18 19:40:33
146
原创 从单Agent到Multi-Agent：系统复杂度管理
先搞清楚单Agent的核心组成与能力边界，知道什么时候必须升级到多Agent拆解多Agent架构的核心要素，以及从单Agent过渡到多Agent时会遇到的所有复杂度爆炸点从架构设计、通信机制、任务调度、记忆管理、可观测性五个维度，给出可落地的复杂度管理方案附完整的多Agent内容生产系统实战项目，从需求到代码开箱即用分享多Agent落地的最佳实践与未来发展趋势Agent的核心定义是能自主感知环境、自主决策、自主执行动作、具备记忆能力的智能实体。
2026-04-18 02:42:38
139
原创 LangGraph 生产级最佳实践：性能优化、错误处理与监控告警完整方案
LangChain团队推出LangGraph的初衷，就是为了解决LangChain Chain的不可控性（线性流程难回溯、难分支、难循环、难持久化状态），但LangGraph本身只是一套编排框架，并没有内置完整的生产级支撑能力。本文将基于我参与过的3个日调用量超10万的LangGraph应用（智能客服、代码审查机器人、企业知识库多步推理），分享一套可直接落地的生产级最佳实践性能优化方案：从图结构优化、节点执行优化、状态持久化优化、并发控制优化、成本控制优化五个维度，将LangGraph应用的。
2026-04-18 01:46:22
171
原创 多智能体协同：从对话式到黑板系统模式
想象一下：你正在开发一个智能客服系统，需要处理用户的复杂问题——比如帮用户预订机票、酒店，同时还要协调行程中的景点门票。单一的AI模型可能难以同时精通所有领域，但如果有多个专门的智能体（Agent）协同工作：一个负责机票查询，一个处理酒店预订，另一个规划景点路线，它们之间高效沟通，最终为用户提供完整的解决方案。这就是多智能体协同的魅力。在当今AI技术飞速发展的时代，单智能体虽然在特定任务上表现出色，但面对复杂、动态、跨领域的问题时，往往力不从心。多智能体系统（Multi-Agent System, MAS）
2026-04-18 00:54:24
325
1
原创 AI Agent Harness API设计：标准化接入规范
AI Agent（智能体）：本文中定义的AI Agent是指基于大语言模型/多模态模型的、能够自主感知环境、自主决策、自主调用工具、自主完成多任务序列的智能系统，它至少具备以下4个核心特性（参考Russell & Norvig的《人工智能：一种现代的方法》以及现代AI Agent的实践）：感知（Perception）：能够从环境（包括用户输入、工具调用的结果、业务系统的状态）中获取信息；决策（Decision-Making）
2026-04-18 00:00:33
193
原创 Agent + 日历：把会议变成可执行计划
那么，有没有一种方法，能让会议结束后，自动把讨论的内容转化为可执行的计划，同步到每个人的日历里，还能及时提醒？答案是肯定的——AI Agent + 智能日历。会议内容数字化：用语音转文字技术把会议录音转化为文字；信息结构化：用大语言模型（LLM）从会议文字中提取会议主题、参会人员、决策内容、待办事项（包括负责人、截止日期、优先级）等结构化信息；任务智能管理：用AI Agent对待办事项进行优先级排序、任务分解、冲突检测；日历自动同步。
2026-04-17 23:12:03
54
原创 Prompt Engineering 在 Agent 系统中的新角色
关键词： 提示工程2.0 | 自主代理系统 | 思维链引导 | 工具编排 | 多模态交互 | 动态适配性 | 元认知提示本文基于第一性原理思考，将提示工程从“大语言模型（LLM）输入指令调整”的传统范畴，重新定义为自主代理系统（Autonomous Agent Systems, AAS）的“核心认知控制器与交互协调中枢”。文章首先构建了Agent系统与传统LLM应用的问题空间边界，提出“Prompt Engineering 2.0”的五层层次化概念框架；随后通过数学模型形式化了思维链（CoT）、工具调用触发
2026-04-17 22:11:31
64
原创 智能体记忆向量化：高效检索与遗忘策略
本文不会只讲“用Chroma存向量、用LangChain调相似度检索”这种入门级RAG内容，而是会深入智能体记忆的本质分层（工作记忆、短期记忆、长期记忆），从核心原理（向量化、向量相似度、LSH近似搜索、LRU/LFU/TF-IDF加权遗忘），到完整架构设计，再到全代码实战（包含记忆分层存储、动态更新、长短期遗忘的混合策略），最后还会探讨性能优化、行业应用与未来趋势。比如“猫”和“狗”的向量会很接近，因为它们都是“宠物”；比如“猫”和“汽车”的向量会很远，因为它们的语义完全不同；
2026-04-17 21:22:59
115
原创 竞争格局推演 Agent 平台 工具市场 数据供应商将如何分工
随着大语言模型（LLM）技术的突破，AI Agent 正从概念走向现实。AI Agent 是指能够感知环境、做出决策并执行行动的智能系统，它们代表了人工智能从"问答"向"行动"的重要演进。然而，单个 Agent 的能力是有限的，真正的变革在于构建一个完整的生态系统，让不同类型的参与者各展所长、协同合作。Agent 平台提供商：提供 Agent 开发、部署和运行的基础设施工具市场参与者：开发 Agent 可用的各类专业工具和能力插件数据供应商：提供 Agent 学习和决策所需的高质量数据。
2026-04-17 20:29:10
280
原创 如何定义 Agent 的“成功”
为了系统地探讨Agent成功的定义，我们首先需要明确问题空间。目标维度：Agent追求的目标是什么？是单一目标还是多目标？目标是预先确定的还是可以动态调整的？环境维度：Agent所处的环境是静态的还是动态的？是完全可观察的还是部分可观察的？是确定性的还是随机性的？时间维度：我们关注的是Agent的短期表现还是长期表现？成功的评估是一次性的还是持续的？价值维度：除了任务目标，我们是否还关注其他价值，如公平性、透明性、安全性等？主体维度：谁来定义成功？是设计者、用户、还是Agent自身？
2026-04-17 19:40:40
286
原创 人机协同：AI Agent时代的新工作模式
在开始讲AI Agent和人机协同之前，我们先回忆一下大家每天都在经历的工作场景背景介绍：介绍传统工作模式的痛点、技术发展历程、本文的目的和范围、预期读者；核心概念与联系：用“人类与魔法小精灵的合作冒险”的故事引入，解释AI Agent、人机协同、Agent协作框架等核心概念，分析它们之间的关系，给出核心概念的文本示意图和Mermaid流程图；核心算法原理与具体操作步骤。
2026-04-17 02:46:49
193
原创 生产级AI Agent的故障复盘：5个真实案例与根因分析
AI Agent, 故障复盘, 根因分析, 生产环境, 可靠性工程, 智能系统, 异常检测随着AI Agent从实验室走向实际生产环境，其系统复杂性和不可预测性带来了全新的运维挑战。本文通过深入分析5个真实生产级AI Agent故障案例，系统性地探讨了智能系统故障的根因分析方法论。我们将从概念解析、技术原理、实际应用到未来展望，全方位揭示AI Agent故障的本质特征，并提供一套完整的故障预防与处理框架。文章不仅包含理论分析，还提供了实用的代码实现、流程图和最佳实践，旨在帮助AI工程师和运维人员构建更可靠的
2026-04-17 01:58:19
190
原创 智能体编排引擎：构建可执行任务流的底层技术
在最基本的层面上，智能体是一个能够感知环境、做出决策并执行行动的实体。感知模块 → 推理/决策模块 → 行动模块↑ ↓└───────── 环境反馈 ─────────┘反应型智能体：简单的刺激-响应模型，没有内部状态。状态型智能体：具有内部状态，能够根据历史信息做出决策。目标型智能体：具有明确的目标，能够规划行动以实现目标。效用型智能体：不仅考虑目标，还考虑实现目标的效率和成本。编排是指对多个组件或服务进行协调、管理和调度，使它们能够协同工作以完成一个共同的目标。任务分解与分配。
2026-04-17 01:09:49
161
原创 AI Agent Harness与金融交易系统集成
为了让读者更好地了解本文的内容深度，我们列出了第5章：核心概念与理论基础和第7章：分层架构设计章节字数：约12000字为了解决上述金融量化交易领域的现有痛点和大语言模型与AI Agent的应用局限性，我们提出了的概念。是一种桥接LLM/AI Agent与生产级系统的中间件2.0，它的核心功能是将LLM/AI Agent的概率性输出转换为生产级系统可接受的确定性输出，同时提供协议转换、数据格式转换、安全机制、高可用、负载均衡、可观测性。
2026-04-17 00:21:17
296
原创 AI Agent Harness Engineering 的商业模式：SaaS 之后是 AaaS (Agent as a Service)？
在过去的十年里，软件即服务 (SaaS) 彻底改变了企业软件的消费方式。从 Salesforce 到 Slack，从 Zoom 到 Notion，SaaS 模式已经成为数字经济的支柱。然而，随着人工智能技术的快速发展，特别是大型语言模型 (LLM) 和 AI Agent 技术的突破，我们正站在另一场技术革命的边缘。您是否曾经想过：如果软件不仅能执行预设的任务，还能理解目标、制定计划、自主执行并不断学习，那会是怎样的景象？这正是 AI Agent 技术为我们描绘的未来。而围绕 AI Agent 的 “Harn
2026-04-16 23:20:48
119
原创 2024 年度最佳 Agent 开源项目盘点
这篇文章，我会作为一个在生产环境中用了 3 个多月开源 Agent 项目的资深软件工程师兼技术博主，带你完整、系统、深度地盘点 2024 年度12+ 个最值得关注的开源 Agent 项目——它们涵盖了「通用工具型 Agent」「代码生成/评审型 Agent」「垂直行业型 Agent（医疗、金融、科研）」「多模态一体化 Agent」「生产级 Agent 平台/框架」这5 大黄金赛道！每个项目的核心架构与设计理念。
2026-04-16 22:26:52
115
原创 Baby AGI 架构解读：任务驱动型自主代理的雏形
任务创建代理（Task Creation Agent）：负责根据目标和已完成的任务生成新任务任务优先级排序代理（Prioritization Agent）：负责重新排序任务列表执行代理（Execution Agent）：负责执行最高优先级的任务上下文代理（Context Agent）：负责从记忆中检索相关上下文记忆系统（Memory System）：使用向量数据库存储任务结果和 embeddings。
2026-04-16 21:38:22
275
原创 如何评估一个 AI Agent Harness Engineering 是否真正有效
我在2019年开始研究Agent协作与工程化落地，2022年主导了某头部电商平台「订单履约场景多Agent集群」的构建（当时覆盖日均1.2亿履约决策请求，SLA要求99.999%可用性，平均响应时间<200ms），结合这15年+的软件架构经验，我给Harness下了一个可量化、可落地、符合生产系统逻辑AI Agent Harness Engineering（简称Agent Harness），是一套完整覆盖Agent全生命周期的工程化方法论、技术架构、工具链和治理流程。
2026-04-16 20:41:31
284
原创 Multi-Agent 工作流的可复用资产：角色库、工具库、策略库怎么组织
要解决这个问题，必须把Multi-Agent工作流的核心资产从项目代码中剥离出来，建立一套标准化、可复用、可配置、可演化的资产体系角色库（Role Library）、工具库（Tool Library）、策略库（Strategy Library）的组织方法与工程化实践。将角色、工具、策略拆分成独立的、可独立测试/部署的模块为每个模块定义统一的接口规范、元数据格式、版本管理规则用声明式配置（YAML/JSON/Protobuf）定义工作流，而不是命令式代码支持模块的增量更新、版本回滚、A/B测试。
2026-04-16 19:41:03
248
原创 构建 Agent Harness 的工具库：定义与分类
随着大语言模型驱动的Agent应用进入爆发期，工具调用能力已经成为Agent突破认知边界、落地实际业务的核心支撑，但当前行业普遍面临工具碎片化、安全管控缺失、调用可靠性低、跨Agent复用困难等痛点。Agent Harness作为专门面向Agent场景的工具管理基础设施，正在成为Agent技术栈的标准组件。
2026-04-16 02:37:44
259
原创 数据安全与隐私保护：企业AI Agent的防护策略
企业AI Agent作为连接企业内外部数据、知识与业务决策的智能协作体，已成为数字化转型的核心驱动力，但也暴露了前所未有的数据安全与隐私风险——从训练数据泄露、推理阶段敏感信息推断，到Agent动作链的恶意篡改与数据主权跨境违规。本文基于图灵奖得主David Chaum的密码学第一性原理Yoshua Bengio的生成模型可解释性与隐私边界理论，结合NIST SP 800-218 AI风险管理框架与GDPR/CCPA/《数据安全法》/《个人信息保护法》的合规要求，构建了企业AI Agent的。
2026-04-16 01:35:37
370
原创 监管与治理：如何为AI Agent制定规则？
在这个AI技术飞速发展的时代，AI Agent（智能代理）正在从科幻小说走进我们的日常生活。想象一下，有一个能帮你处理所有杂事的"数字助手"——它能帮你预订机票、管理财务、甚至代表你参加商务会议。听起来很棒，对吧？但是，如果这个"数字助手"出了问题，比如订错了机票、花错了钱，甚至做出了违法的事情，谁来负责呢？这就是我们今天要讨论的问题：如何为AI Agent制定规则，让它们既能帮我们做事，又不会闯祸。
2026-04-16 00:47:07
354
原创 Agent 项目的组织打法：产品、工程、数据、合规如何分工协作
随着大语言模型（LLM）和人工智能技术的快速发展，Agent（智能体）项目正从实验室走向产业应用。然而，成功的 Agent 项目不仅仅是技术实现，更是一场涉及产品设计、工程开发、数据管理和合规风控的精密协同作战。本文将深入探讨 Agent 项目的组织打法，通过生动的比喻和实际案例，解析产品、工程、数据、合规四大角色如何在 Agent 项目中各司其职又紧密协作。我们将构建一个完整的协作框架，提供可操作的方法论，并通过代码示例和架构图帮助读者理解如何在实际项目中应用这些理念。
2026-04-15 23:46:37
121
原创 智能体的意图识别：理解用户真实需求
幸运的是，经过近20年的发展（从早期的基于规则/模板的意图识别，到后来的基于传统机器学习的意图识别，再到现在的基于大语言模型的意图识别），意图识别技术已经取得了长足的进步，尤其是大语言模型的出现，更是让意图识别的准确率、泛化能力、理解复杂/模糊/混合/隐含/多轮意图的能力得到了质的飞跃。在这篇文章中，我将作为一位资深的软件工程师和技术博主，带你从。
2026-04-15 22:58:07
116
原创 Agent 的批处理模式与实时模式如何选择
在当今的技术生态系统中，Agent（智能代理）已经成为了构建智能应用的核心组件。无论是 AI 助手、数据分析系统、还是自动化工作流，Agent 都在其中扮演着关键角色。而在设计 Agent 系统时，一个最基本但也最重要的决策就是选择处理模式：批处理（Batch Processing）还是实时处理（Real-time Processing）。批处理模式是指将数据收集起来，在一段时间后进行一次性处理。这种模式在数据量大、处理时间不敏感的场景下非常高效。而实时处理模式则是指数据到达后立即进行处理，几乎没有延迟。
2026-04-15 22:09:40
112
原创 AI Agent Harness Engineering 记忆机制解析：短期记忆、长期记忆与上下文管理
你有没有想过，为什么Siri、小爱同学这类语音助手有时候会“忘事”？比如你刚问完“今天天气怎么样”，接着说“那明天呢”，它却一脸懵地问“明天什么？”——这就是因为它们的记忆机制不够完善。AI Agent是一种能自主感知环境、做出决策并执行动作的人工智能系统，而记忆机制就是AI Agent的“大脑硬盘”和“ sticky note（便签）”，决定了它能不能记住你的喜好、理解你的上下文、从过去的经验中学习。用通俗易懂的方式讲清楚AI Agent的三种核心记忆类型（短期记忆、长期记忆、上下文管理）是什么；
2026-04-15 21:21:09
300
原创 多智能体系统的“集体智能“：从涌现到可控的设计
在这篇文章中，我们将一起探索一个非常有趣且充满挑战的领域——多智能体系统的集体智能。想象一下，一群简单的小生物，比如蚂蚁、蜜蜂或者鸟群，它们个体并不聪明，但当它们聚在一起时，却能完成令人惊叹的复杂任务。这就是我们要探讨的"集体智能"。什么是多智能体系统和集体智能集体智能是如何从简单个体的互动中"涌现"出来的我们如何设计和控制这些系统，让它们按照我们的意愿工作这些技术在现实生活中有哪些精彩的应用。
2026-04-15 20:27:18
180
原创 AI 合规官 Agent：自动确保企业流程符合 GDPR 与各项法规
在当今数字化时代，企业面临着越来越复杂的法规环境，特别是GDPR（通用数据保护条例）等数据保护法规的实施，使得合规管理成为企业运营的重中之重。本文将深入探讨如何构建一个AI合规官Agent系统，利用人工智能技术自动监控、评估和确保企业流程符合各项法规要求。我们将从概念解析、技术原理、系统设计到实际应用，全方位展示这一创新解决方案的实现路径和价值。通过生动的比喻、详细的代码示例和实用的案例分析，读者将获得构建自己AI合规官Agent的完整知识体系。在全球化的商业环境中，企业面临着前所未有的法规挑战。
2026-04-15 19:38:47
270
原创 面向创意生成 Agent 的 Harness 随机种子管理
传统随机种子管理方法是指“在推理（或训练）开始前，设置一个全局固定的随机种子，将这个随机种子同时应用于所有随机数源（如 Python 的random库、NumPy 的库、PyTorch 的库、TensorFlow 的tf.random库等），以保证推理（或训练）结果的可复现性”。
2026-04-15 02:44:56
339
原创 AutoGen扩展指南：如何为AutoGen框架贡献自定义Agent和能力
第一章：AutoGen核心概念与架构拆解——彻底拆解AutoGen的所有核心组件，用类比、ER图、交互流程图、数学模型的方式，让你建立起对AutoGen的完整认知；第二章：基础级扩展——自定义工具链与简单工具调用Agent——带你从零到一构建一套“电商库存管理+订单查询+价格计算”的工具链，并封装成一个简单的自定义Agent，同时学习AutoGen的工具注册、函数调用解析、消息历史管理机制；第三章：中级扩展——自定义协作流程与辩论评审制Agent组。
2026-04-15 01:44:25
335
原创 新媒体运营如何用 AI Agent Harness Engineering 形成内容生产流水线
基于上述背景，我们可以将问题空间定义为：如何利用 AI Agent Harness Engineering，将分散、低效、依赖人力的内容生产过程，转化为高效、一致、可扩展的智能内容生产流水线？任务分解与分配：如何将复杂的内容生产任务分解为适合 AI Agent 执行的子任务？Agent 设计与开发：如何设计和开发具有不同专业能力的 AI Agent？多 Agent 协作：如何让多个 AI Agent 高效协作，形成有机整体？人机交互：如何设计人类工作者与 AI Agent 之间的有效协作机制？
2026-04-15 00:55:56
328
原创 为自动化 Agent 设计 Harness 防御性重放攻击
在当今数字化时代，自动化 Agent（代理）已经成为企业运营、软件系统和网络服务中的关键组成部分。这些智能代理能够自主执行任务，处理复杂工作流，并与各种系统进行交互。然而，随着自动化 Agent 的广泛应用，它们也成为了网络攻击的目标，其中重放攻击（Replay Attack）是一种常见且危险的威胁。Harness 防御性重放攻击机制是一种专为自动化 Agent 设计的安全防护系统，旨在检测、阻止和缓解重放攻击的影响。
2026-04-14 23:55:27
39
原创 记忆的遗忘与压缩：Harness 的上下文维护
摘要/引言：即本部分，介绍本文的背景、问题、核心价值和文章概述。核心概念与理论基础：从「认知神经科学的人类记忆工作机制」「信息论的压缩与冗余原理」「数据库的索引与检索原理」「自然语言处理的语义理解与相似度评估原理」「强化学习的自适应决策原理」等五个方面，构建 Harness 上下文维护系统的核心概念体系与理论基础。Harness 的记忆分层架构设计。
2026-04-14 23:06:56
77
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