岚天逸见

认识 DeerFlow：一个跑在 LangGraph 上的 Super Agent Harness

摘要： DeerFlow 给自己的定位不是"又一个 Agent 框架"，而是 Super Agent Harness。这个词不是随便用的——它意味着 DeerFlow 要解决的不是"Agent 能不能跑"，而是"Agent 能不能跑得住"。它和 Harness Engineering、Agent Team、阅读全文

posted @ 2026-04-24 10:58 岚天逸见阅读(35) 评论(0) 推荐(0)

使用 CodeBuddy IDE 构建真正的 Agent Team：从 Skill 隐式编排到 team_create 工具链

摘要：上一篇用 Skill 编排搭了一个 Agent Team——5 个角色、网状通信、自主决策。CodeBuddy 的 Team 模式确实提供了独立上下文、点对点通信、并行执行这些基础设施，但那篇文章的编排方式是隐式的：团队的组建、成员的派发、协作的启动，全部藏在 Skill 的 prompt 设计和文阅读全文

posted @ 2026-04-12 16:53 岚天逸见阅读(162) 评论(0) 推荐(0)

OpenSpec、Superpowers 和 Harness：AI 工程化开发的三层拼图

摘要： AI 编程从"让模型写代码"走向"让模型像团队一样开发"，中间差的不是更强的模型，而是三层工程基础设施：OpenSpec 管"做什么"，Superpowers 管"怎么做"，Harness 管"谁来做、怎么协同"。三者各管一层，合在一起才是完整的工程化开发体系。用 AI 写代码，很多人经历过类似的阅读全文

posted @ 2026-04-09 21:44 岚天逸见阅读(493) 评论(0) 推荐(0)

Sub-Agent 与 Agent Team 的本质区别

摘要：用了 Team 模式的 API，就是 Agent Team 了吗？从一个真实项目出发，拆解两种多 Agent 架构的核心差异。引言：名字叫 Team，就真是 Team 吗？ 2026 年，AI 编程圈最热的词之一是"多 Agent 协作"。各种项目纷纷宣称自己是"Agent Team"——听着很酷阅读全文

posted @ 2026-04-05 19:38 岚天逸见阅读(133) 评论(0) 推荐(0)

vscode等的“Go Team at Google”插件

摘要： vscode和codebuddy等只有安装了“Go Team at Google”插件后，才会有： “Go Team at Google”插件是 Google 官方维护的 Go 语言开发核心扩展，为 VS Code 提供近乎 IDE 级别的 Go 全链路开发支持。安装方法扩展市场搜索 Go（发布阅读全文

posted @ 2026-03-30 09:55 岚天逸见阅读(10) 评论(0) 推荐(0)

Harness Engineering 从零理解到动手实践

摘要： Harness Engineering = 给 AI Agent 设计“缰绳 + 马鞍 + 跑道护栏 + 反馈镜子”的工程方法。它不是优化模型本身，而是构建一整套让 Agent 跑得稳、跑得久、不跑偏的运行控制系统。先说结论如果只用一句话解释 Harness Engineering：它是在阅读全文

posted @ 2026-03-29 19:58 岚天逸见阅读(4390) 评论(0) 推荐(3)

了解智能体原理，掌握 SKILL / RULE 最佳实践

摘要：面向读者本文适用于 AI 智能体产品、研发、实施与运维人员，也适合希望规范搭建 AI 知识库、优化模型输出质量的技术与非技术从业者。一、底层核心：大模型的两个基础约束 1．默认不具备跨请求持久记忆大模型通常不会自动在不同请求之间保存会话状态。如果系统希望模型“记住”之前的内容，需要由应用侧显阅读全文

posted @ 2026-03-28 08:18 岚天逸见阅读(78) 评论(0) 推荐(0)

AI浪潮席卷，普通人该如何站稳脚跟？（深度行业预判+破局指南）

摘要：一、AI渗透各行各业，这股浪潮不可逆最近不管是职场办公、日常办事，还是各行各业的日常运转，都能感觉到AI正在悄悄渗透每一个角落。人民日报也曾号召给人工智能取简洁中文名，摒弃冗长表述，此前提议的“人智”二字贴切好记，恰好契合这股全民普及的趋势。各大公司扎堆发力的“龙虾”，就是典型的AI智能体产品，阅读全文

posted @ 2026-03-21 20:41 岚天逸见阅读(18) 评论(0) 推荐(0)

AI Agent 架构图解：大模型、记忆、RAG 与工具调用的协同机制

摘要：这张图描述了一个典型 AI Agent 的运行架构。用户请求进入系统后，由 Agent 作为调度中枢，负责理解任务、管理上下文，并按需访问知识库（RAG）、读写短期/长期记忆，以及调用 Skill 或通过 MCP 接入外部工具。随后，Agent 将用户指令、检索结果、记忆信息和工具输出统一组装为模型阅读全文

posted @ 2026-03-19 19:47 岚天逸见阅读(316) 评论(0) 推荐(0)

拔掉方向盘：从“逐行审查”到“黑盒全托管”，一场悄无声息的开发大清洗

摘要：当大多数人还在沾沾自喜于用AI写出了更优雅的函数时，软件开发的底层逻辑其实已经彻底变天了。 AI不再是那个帮你提升效率的“副驾驶”，它正在成为效率本身。从“人写AI查”到“AI写人看”，再到如今的“AI全托管”，我们正在经历一场类似从“有安全员”到“驾驶位空置”的物种级跨越。引言：工具的终结，物种阅读全文

posted @ 2026-03-17 19:40 岚天逸见阅读(32) 评论(0) 推荐(0)