随笔分类 - AI Coding / Skill
1
摘要：
本文详解Agent状态的核心概念与工程实践：它不是简单记忆，而是任务执行的实时快照，涵盖进度、环境、内部判断与资源约束。通过结构化Schema、分层检查点和状态栏机制，实现可靠暂停恢复、高效决策与长程连贯性。
阅读全文
本文详解Agent状态的核心概念与工程实践：它不是简单记忆，而是任务执行的实时快照，涵盖进度、环境、内部判断与资源约束。通过结构化Schema、分层检查点和状态栏机制，实现可靠暂停恢复、高效决策与长程连贯性。
阅读全文
摘要：
camelAI重构Coding Agent架构，将长期驻留的虚拟机解耦为按需调用的分层执行环境：Agent运行于Cloudflare Durable Object（“脑”），文件存于SQLite+R2，常规操作交由JavaScript沙箱，仅构建/Notebook等重任务临时启用Linux容器
阅读全文
camelAI重构Coding Agent架构，将长期驻留的虚拟机解耦为按需调用的分层执行环境：Agent运行于Cloudflare Durable Object（“脑”），文件存于SQLite+R2，常规操作交由JavaScript沙箱，仅构建/Notebook等重任务临时启用Linux容器
阅读全文
摘要：
面对层出不穷的AI工具与提示词，开发者常陷“工具焦虑”。GitHub AI专家Burke Holland提出：少即是多——聚焦一个成熟Agent Harness（如Copilot），通过原型→规划→实现→评审的八步工作流，把AI用深、用透、用稳。
阅读全文
面对层出不穷的AI工具与提示词，开发者常陷“工具焦虑”。GitHub AI专家Burke Holland提出：少即是多——聚焦一个成熟Agent Harness（如Copilot），通过原型→规划→实现→评审的八步工作流，把AI用深、用透、用稳。
阅读全文
摘要：
Anthropic提出“上下文工程”（Context Engineering）新范式：Claude Opus 5/Fable 5删减超80%系统提示词，性能未降。核心转向“瘦提示-厚工件-瘦技能”，强调模型自主判断、渐进披露与高保真参考，告别冗余规则堆砌。
阅读全文
Anthropic提出“上下文工程”（Context Engineering）新范式：Claude Opus 5/Fable 5删减超80%系统提示词，性能未降。核心转向“瘦提示-厚工件-瘦技能”，强调模型自主判断、渐进披露与高保真参考，告别冗余规则堆砌。
阅读全文
摘要：
本文用人类学习类比AI训练，通俗解析大模型如何通过预训练、监督微调与强化学习掌握新技能；详解Model Spec、宪法等行为规范如何引导AI成为可靠协作者，并介绍评测与持续对齐的关键作用。
阅读全文
本文用人类学习类比AI训练，通俗解析大模型如何通过预训练、监督微调与强化学习掌握新技能；详解Model Spec、宪法等行为规范如何引导AI成为可靠协作者，并介绍评测与持续对齐的关键作用。
阅读全文
摘要：
本文详解Agent工具调用的输入输出契约：输入契约规范工具名称、描述、参数Schema与使用边界，确保模型准确调用；输出契约定义结构化结果、状态码与错误反馈，支撑模型可靠决策。二者共同保障Agent“思考→行动→判断”闭环的稳定性与可解释性。
阅读全文
本文详解Agent工具调用的输入输出契约：输入契约规范工具名称、描述、参数Schema与使用边界，确保模型准确调用；输出契约定义结构化结果、状态码与错误反馈，支撑模型可靠决策。二者共同保障Agent“思考→行动→判断”闭环的稳定性与可解释性。
阅读全文
摘要：
本文深度解析Kimi K3技术演进路径：从GPT-2出发，历经Linear Attention、DeltaNet、Gated DeltaNet、Kimi Linear，最终抵达2.8万亿参数的Kimi K3。全文以“状态管理”为主线，揭示架构迭代本质
阅读全文
本文深度解析Kimi K3技术演进路径：从GPT-2出发，历经Linear Attention、DeltaNet、Gated DeltaNet、Kimi Linear，最终抵达2.8万亿参数的Kimi K3。全文以“状态管理”为主线，揭示架构迭代本质
阅读全文
摘要：
Anthropic团队近期利用Claude系列模型，将Bun等百万行级项目从Zig、Python等语言高效迁至Rust/TypeScript：Jarred 11天完成Bun百万行迁移，Mike一个周末重构16.5万行Python为TS。AI驱动六步流程大幅压缩周期与成本，同时保障功能一致性和性能提升。
阅读全文
Anthropic团队近期利用Claude系列模型，将Bun等百万行级项目从Zig、Python等语言高效迁至Rust/TypeScript：Jarred 11天完成Bun百万行迁移，Mike一个周末重构16.5万行Python为TS。AI驱动六步流程大幅压缩周期与成本，同时保障功能一致性和性能提升。
阅读全文
摘要：
“合历”是一款趣味AI Coding实践项目，为GitHub仓库智能推荐代码合并与发布的“良辰吉时”，通过这款趣味实践项目，一篇带你走完AI从零开始写的完整工程实践
阅读全文
“合历”是一款趣味AI Coding实践项目，为GitHub仓库智能推荐代码合并与发布的“良辰吉时”，通过这款趣味实践项目，一篇带你走完AI从零开始写的完整工程实践
阅读全文
摘要：
本文系统解读“Loop Engineering”AI协作新范式：工作单元正从“一句Prompt”升级为“一个可自主运行的Loop”。文章以四阶段、二十步实操路线图，详解如何设计含验证、终止、状态与人工检查点的可靠循环系统，助你从手动提示者蜕变为AI系统架构师。
阅读全文
本文系统解读“Loop Engineering”AI协作新范式：工作单元正从“一句Prompt”升级为“一个可自主运行的Loop”。文章以四阶段、二十步实操路线图，详解如何设计含验证、终止、状态与人工检查点的可靠循环系统，助你从手动提示者蜕变为AI系统架构师。
阅读全文
摘要：
本文详解Agent时代Prompt的范式升级：从静态文本迈向动态拼装。它将Prompt拆解为稳定、任务、状态、外部四类信息，按执行阶段实时组合，兼顾上下文精简与关键信息聚焦，是支撑ReAct循环、保障Agent稳定性的核心工程能力。
阅读全文
本文详解Agent时代Prompt的范式升级：从静态文本迈向动态拼装。它将Prompt拆解为稳定、任务、状态、外部四类信息，按执行阶段实时组合，兼顾上下文精简与关键信息聚焦，是支撑ReAct循环、保障Agent稳定性的核心工程能力。
阅读全文
摘要：
本文介绍Agent图编排（Agent Graph Engineering）的核心思想：摒弃简单串行流程，以数据依赖关系构建节点（Agent/代码）与边（数据流）组成的有向图。强调清晰输入输出约定、并行执行、故障隔离、验证机制与动态循环设计，提升系统可组合性、稳定性与成本效率。
阅读全文
本文介绍Agent图编排（Agent Graph Engineering）的核心思想：摒弃简单串行流程，以数据依赖关系构建节点（Agent/代码）与边（数据流）组成的有向图。强调清晰输入输出约定、并行执行、故障隔离、验证机制与动态循环设计，提升系统可组合性、稳定性与成本效率。
阅读全文
摘要：
本文为 macOS 用户提供的 Codex Desktop 换肤实践指南，基于开源项目 Codex Dream Skin，教你用 ChatGPT 生成像素风“Dario”主题背景图，并完成一键定制与还原。非官方教程，适配 Windows 可参考流程。需 ChatGPT 会员及基础操作经验。
阅读全文
本文为 macOS 用户提供的 Codex Desktop 换肤实践指南，基于开源项目 Codex Dream Skin，教你用 ChatGPT 生成像素风“Dario”主题背景图，并完成一键定制与还原。非官方教程，适配 Windows 可参考流程。需 ChatGPT 会员及基础操作经验。
阅读全文
摘要：
本文详解Agent系统中关键的“上下文预算”概念：区别于Chatbot的静态对话，Agent需动态管理有限上下文窗口，科学分配目标、规则、工具、记忆与历史等信息。通过固定保留、最近保留、压缩摘要、按需加载四类策略，平衡信息完整性与模型效率，保障长任务稳定执行。
阅读全文
本文详解Agent系统中关键的“上下文预算”概念：区别于Chatbot的静态对话，Agent需动态管理有限上下文窗口，科学分配目标、规则、工具、记忆与历史等信息。通过固定保留、最近保留、压缩摘要、按需加载四类策略，平衡信息完整性与模型效率，保障长任务稳定执行。
阅读全文
摘要：
本文是Codex系列第三篇，聚焦真实项目协作：以AI志愿填报Demo为案例，详解`/status`、`/goal`、`/plan`等核心slash命令的实战用法——从确认环境、设定目标、规划修改，到聚焦文件、审查diff、复查逻辑、压缩长对话，系统提升AI编程的可控性与工程规范性。
阅读全文
本文是Codex系列第三篇，聚焦真实项目协作：以AI志愿填报Demo为案例，详解`/status`、`/goal`、`/plan`等核心slash命令的实战用法——从确认环境、设定目标、规划修改，到聚焦文件、审查diff、复查逻辑、压缩长对话，系统提升AI编程的可控性与工程规范性。
阅读全文
摘要：
本文介绍如何用工程化 Loop 自动调优 RAG 参数：通过定义搜索空间、构建自动评估函数（recall@k）、设置最小提升阈值与 train/holdout 拆分防过拟合，并集成运行次数与预算双熔断机制，实现目标驱动、可复现、可审计的智能调参闭环。
阅读全文
本文介绍如何用工程化 Loop 自动调优 RAG 参数：通过定义搜索空间、构建自动评估函数（recall@k）、设置最小提升阈值与 train/holdout 拆分防过拟合，并集成运行次数与预算双熔断机制，实现目标驱动、可复现、可审计的智能调参闭环。
阅读全文
摘要：
Kimi 2.6 Swarm 搭配 Opus 4.8 的最佳实践
阅读全文
Kimi 2.6 Swarm 搭配 Opus 4.8 的最佳实践
阅读全文
摘要：
SkillOpt是微软开源的文本空间优化器，专为优化Agent的自然语言技能文档（如Markdown格式的skill.md）而设计。它不修改模型参数，而是通过“执行-反思-更新-验证”闭环，自动迭代出更鲁棒的`best_skill.md`，让技能持续适配真实任务，提升Agent在复杂流程、多源判断、跨项目迁移等场景中的稳定性与准确性。
阅读全文
SkillOpt是微软开源的文本空间优化器，专为优化Agent的自然语言技能文档（如Markdown格式的skill.md）而设计。它不修改模型参数，而是通过“执行-反思-更新-验证”闭环，自动迭代出更鲁棒的`best_skill.md`，让技能持续适配真实任务，提升Agent在复杂流程、多源判断、跨项目迁移等场景中的稳定性与准确性。
阅读全文
摘要：
Warp 团队提出“双循环驱动”AI Agent进化：内循环（Inner Loop）自动分诊GitHub Issue；外循环（Outer Loop）从人类反馈中提炼规则，生成PR更新技能文件（SKILL.md）。技能即SOP，可审查、可回滚、持续迭代，让Agent越用越懂团队。
阅读全文
Warp 团队提出“双循环驱动”AI Agent进化：内循环（Inner Loop）自动分诊GitHub Issue；外循环（Outer Loop）从人类反馈中提炼规则，生成PR更新技能文件（SKILL.md）。技能即SOP，可审查、可回滚、持续迭代，让Agent越用越懂团队。
阅读全文
摘要：
Skills 可以理解成 Claude Code 给 Agent 准备的任务经验包。它把一类任务里反复出现的说明、脚本、模板、配置、坑点和历史记录放在一起，让 Claude 下次遇到类似任务时，可以直接复用已有经验。
阅读全文
Skills 可以理解成 Claude Code 给 Agent 准备的任务经验包。它把一类任务里反复出现的说明、脚本、模板、配置、坑点和历史记录放在一起，让 Claude 下次遇到类似任务时，可以直接复用已有经验。
阅读全文
1
浙公网安备 33010602011771号