Letta 的文档和仓库现在至少有三个需要分开的对象：Letta Code CLI、Letta Agent SDK，以及本仓库的 legacy Python server。先把对象分清，后面的版本、命令和故障才有意义。 当前 CLI 路径是 Node.js 22.19+ 加全局安装： node -- ...

从 Prompt Engineering 到 Context Engineering，从写提示词到构建信息供给系统 一、2026 年：提示词工程的范式转移 如果你对提示词工程（Prompt Engineering）的印象还停留在"给 ChatGPT 写一段指令"，那你的知识储备已经过时了。 2026 ...

随着 Agent 技术走向成熟，越来越多的产品需要同时面对人类和 Agent 两类用户，而 CLI（命令行工具）正是更容易被 Agent 调用的形态。未来可能所有产品都需要实现自己的 CLI，封装自己的核心能力供 Agent 使用。本文以近期实践的开源 CLI 为例，从编程语言、登录授权、命令设计、... ...

网上很多手把手安装的教程已经很详细了，大多数都是一把过，但都没有把其中每一步安装的问题暴露出来，都是贴出成功的截图，真实的是由于环境的复杂性从第一步就碰到了问题，其中大部分都是贴问题给deepseek或kimi来一步一个坑的来解决，反复折腾，现在复盘记录下大部分的问题。 一、环境准备：WSL2 安装 ...

调用模型很简单，真正麻烦的是把它做成一个稳定、可控、可观测的runtime。 大多数 Python 开发者都可以在几分钟内完成第一个 demo：发一个请求，拿到模型回复，打印结果。真正的问题通常从下一步才开始。当一个简单的模型调用逐渐演变成真实应用里的 agent runtime，你很快会碰到流式输 ...

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。 ...

LangChain 学习笔记 001 概览：精读 LangChain 核心概念（Chain、Agent、Tool、Memory），跑通官方 Quick Start。Code here。 一、LangChain 是什么 LangChain 是一个专门用于开发 LLM 应用的框架，将各个不同的 LLM ...

title: 我让 Claude 写了一个贪吃蛇游戏，然后用 ccglass 看清它发给模型的真实请求 categories: [人工智能, 开发工具, 开源项目] tags: [AI Agent, Claude Code, AI编程, 可观测性, 开源工具, Prompt调试] keywords: ...

前言 本文主要描述Event-Driven开发中的ReAct模式，并且使用一个demo，彻底搞懂怎么在实际工作中使用Event-Driven模式 话不多说，我们开始 代码结构 代码地址 . ├── agent.py # EventDrivenAgent 主逻辑，负责接收事件、调用 LLM、执行工具 ...

有一阵没做游戏了，咱接着回来做中医游戏，这期咱们聊聊怎么给游戏NPC装个"智能大脑"，顺便看看开发过程中Hook这个老朋友的新玩法。项目代码在这里[tcm_odyssey] ...

前言 Human in the loop（人机协作）在企业级 Agent 应用中非常重要——AI 在执关键工具时必须经过人类审批，避免误操作影响业务。我之前用 LangGraph 0.3 裸写了一套（旧文），当时需要在 tool 函数里手动调 interrupt()，很啰嗦。如今有了 DeepAge ...

自进化 (Self-evolution) 是 Agent Harness 的核心模块，拥有自进化能力后 Agent 才能在长期的任务交互中不断成长，总结和改进自己的技能、记录用户的反馈和偏好，从被动应答升级为能够主动复盘和自我成长的 Agent。本文以 CowAgent 开源项目为例，介绍 Agen... ...

数据分析 Agent 的核心瓶颈，不是 SQL 生成能力，而是业务上下文。不要指望 Agent 在混乱的数据体系里自动找出标准答案。你需要先把数据环境整理成 Agent 能导航、能理解、能验证的结构。 ...

AI Agent 的价值不在于替人知道未知领域的真相，而在于把未知变成可提问、可比较、可验证、可追责的结构。真正可靠的 Agent 不只需要 intelligence，更需要 epistemology 与 accountability。 ...

Cloud Agent 开发笔记(4)：Skill 与 MCP 集成、项目后记 上一篇讲了 Agent 事件如何推到浏览器、数据如何持久化、多会话和中断如何处理。这一篇讲能力扩展层：Skill 系统和 MCP 集成。 V1 验证的是产品形态：由管理员角色集中创建和维护 Skill、配置 MCP 连接 ...

前言 在用 deepagents 做 Chatbot 的时候，有个最基本的需求：Agent 得记住上一轮聊了什么。你不能每轮对话都让用户重新自我介绍一遍。 LangGraph / DeepAgents 内置了一个叫 checkpoint 的机制来处理这个事。开发阶段用 MemorySaver 跑跑 ...

前言 本文主要描述agent开发中的Plan-and-Execute模式，并且使用一个demo，彻底搞懂怎么在实际工作中使用Plan-and-Execute模式 话不多说，我们开始 代码结构 代码地址 . ├── main.py # 主入口，串起规划、执行、分析三个阶段 ├── planner.py ...

Cloud Agent 开发笔记(3)：Web 交互与数据持久化 上一篇搭好了 Agent 引擎和 Tool 体系：query() 能跑、Tool 能调、安全有 pathGuard 兜底。但这一切都是在服务端发生的。Agent 生产的事件怎么到浏览器？消息怎么存才能让用户刷新页面不丢？多个会话同时跑 ...

这不是另一篇 Claude Code 的源码解读——网上不缺这类文章。它是一个实际工程项目的决策记录：代码是 Vibe Coding 写的，但取舍是人做的，踩的坑是人踩的。写下来是为了以后回头看时，能想起当时为什么选了这条路而不是那条。 ...

本文将按 Workflow 定义 → Agent 定义 → 核心对比 → 选型策略 的结构展开，概念与结论紧密结合，读完即可判断。 ...