weigangwin

摘要： 很多人第一次看 LangGraph，会把它理解成“更复杂一点的 LangChain”。这个理解容易把重点带偏。 LangGraph 更适合的场景不是“我想把几个 prompt 串起来”，而是：你的 agent 已经开始有状态、有分支、有工具调用、有失败恢复、有人工确认，并且这些行为需要被检查、复盘和 阅读全文

摘要： 很多团队接入 LLM 应用时，会先把 prompt 调顺，再补一个“评测脚本”。这个顺序很容易出问题：等到线上开始失败时，大家才发现自己没有定义过什么叫通过、什么叫失败、哪些失败必须阻断发布。 这里的核心判断是：Doramagic 不是提示词库，也不是把 README 换一种说法。它要把一个开源项目 阅读全文

摘要： MarkItDown 很容易被误用成一句话工具：把 PDF、Office、图片、网页、音频转成 Markdown，然后扔给 LLM。 真正落地时，我会先把它当成一个边界问题，而不是格式转换问题。 原因很简单：一旦这个工具被 AI agent 调用，它处理的就不只是文件内容，还包括本地文件路径、URL 阅读全文

摘要： 给 AI Agent 加记忆之前，先决定它到底允许记住什么 Agent memory 是一个很容易被讲空的能力。 最简单的说法是：把对话存起来，下次检索相似内容，再塞回上下文。 但真正接到 AI 宿主里时，问题会立刻变具体： 哪些内容只是当前会话上下文？ 哪些内容算长期事实、偏好或关系？ 哪些内容是 阅读全文

摘要： Puppeteer 是非常适合 AI coding agent 使用的工具。它用 Node.js API 控制 Chrome 或 Firefox，可以做浏览器自动化、截图、网页抓取、页面检查、网络请求观察和重复性 Web 任务。 但这也是风险来源。 一旦 Agent 能打开浏览器，它就可能接触真实网 阅读全文

摘要： 接入 Langfuse 前，先把 trace、eval、prompt 变更和恢复规则放进同一条失败复核链路，避免 AI Agent 在没有证据时继续声称完成。 阅读全文

摘要： 很多开源 AI agent 框架的演示都很顺：定义 agent，挂工具，设置 handoff，再跑一个任务。OpenAI Agents Python 也一样，入门体验并不复杂。但真实项目里，难点通常不在“能不能跑起来”，而在“跑起来之后谁来承担边界、证据和失败恢复”。 如果一个团队准备把 OpenA 阅读全文

摘要： AI 编码工具能进入真实仓库的前提，不是展示一次漂亮输出，而是形成可核查、可回滚的证据链。本文以 Codex CLI 为例，给出来源确认、权限边界、变更审查、验证证据和回滚反馈的五边界验收方法，并附可直接复用的记录模板。 阅读全文

摘要： 如果只是本地试一下，Codex CLI 的门槛看起来不高。 但一旦准备把它接进真实仓库、团队流程或持续开发环境，问题就不再是“能不能运行”，而是“哪些边界已经确认”。 我会先看 5 个边界： 来源边界 先确认仓库、文档、安装路径和当前版本是否一致。不要让过期教程替你做判断。 权限边界 它能读什么、改 阅读全文

摘要： 今天 Doramagic 的第一篇发文只选一个信号：`doramagic-chrome-devtools-mcp-pack`。 在 2026-05-22 的 GitHub 指标采样里，这个资源包出现了 44 次 view、2 个 unique viewer、120 次 clone、60 个 unique cloner。更值得注意的不是 clone 数本身，而是访问路径：`traffic` 16 次、`commit-activity` 10 次、仓库 overview 8 次， 阅读全文