#AI
45 篇文章
相关文章
- 2 min read ollama
ollama 教程
Ollama 入门:本地运行大模型的工具,支持 Llama / Mistral / Qwen 等模型,提供 REST API 与 OpenAI 兼容接口。
- 6 min read LLM
大模型提示词工程:从入门到精通
Prompt Engineering 从入门到精通:覆盖基础技巧、高级模式、领域应用、评估优化与企业级落地。
- 8 min read Tutorial
Building AI Agents
AI Agent 工程实战教程:从单 Agent 到 Multi-Agent 系统设计,涵盖工具调用、规划、记忆与协作模式。
- 8 min read AI
用 opencode + agent-skills 开发俄罗斯方块:自然语言驱动工程流
用 opencode 终端 agent 跑 addyosmani/agent-skills 的 24 个工程 skill,完整开发一个网页版俄罗斯方块。零斜杠命令,纯自然语言驱动。
- 14 min read AI
Harness Engineering:让 AI 编码智能体“能用、可控、可维护”的工程体系
从 OpenAI Codex 与 LangChain 的实践出发,系统化理解 Harness Engineering 的核心要素:上下文、约束、反馈与熵管理。
- 10 min read AI Agent 工程
Agent 是什么?—— 一个公式、一个类比、一个能跑的 Demo
从 Agent = LLM + 上下文 + 工具 这个核心公式出发,用一个实习生类比和一个 50 行 Python Demo,讲清 AI Agent 的本质。
- 9 min read AI Agent 工程
Agent 的双手:工具调用、MCP 协议与一个双工具 Agent
工具是 Agent 改变世界的方式。本文拆解工具的五种分类、MCP 协议的设计思路,并带你给 Agent 装上'天气查询 + 便签记录'两个工具。
- 10 min read AI Agent 工程
Agent 的记忆:RAG、知识库与一个能记住你的问答 Agent
Agent 的记忆系统——从进程内的临时便签到跨会话的向量检索。本文拆解 RAG 原理、三种记忆分层、知识组织方法,并动手搭一个能记住你偏好的问答 Agent。
- 10 min read AI Agent 工程
Agent 怎么"学好":评估体系、训练方法与持续进化
Agent 搭好只是第一步——你怎么知道它变好了还是变差了?本文拆解 Agent 评估、模型后训练与持续进化闭环,并动手构建一个评测小平台。
- 11 min read AI Agent 工程
Agent 的未来:多模态、实时交互与多 Agent 协作
Agent 不只活在对话框里。本文拆解语音 Agent、GUI 操作、多 Agent 协作架构,并动手实现两个 Agent 对话协作完成一个任务。
- 10 min read AI
Pi Agent 是什么?——极简内核、四层洋葱与一个能跑的 Agent Loop
Pi 不是又一个 LLM 包装器——它是一个 Agent 运行时。本文拆解 pi 的四层洋葱架构、无状态的 Agent Loop 引擎,并写一个最小可跑的'思考-行动'循环。
- 9 min read AI
Pi 的工具设计:为什么"约束"比"自由"更重要
Pi 给 LLM 设计工具的原则是:约束即保护。本文拆解 6+1 工具哲学、Edit 的精确替换、Bash 的边界、搜索的结构化,以及为什么 LLM 用结构化参数犯的错比自由文本少得多。
- 10 min read AI
Pi 的能力外置:为什么"不内建"比"内建"更强大
Pi 不做内建子 Agent、不做内建 MCP、不做内建权限弹窗、不做内建 Plan Mode。这不是偷懒——这是极简内核哲学。本文拆解 Extension 系统和三个回调如何组合出无限产品形态。
- 11 min read AI
Pi 的设计哲学:极简内核、四个反主流选择与架构的适用边界
Pi 的 24% 代码驱动了 100% 的产品形态——这个数字背后是极简内核哲学和四个反主流选择。本文做全系列回顾,并给出这套架构的适用/不适用边界。
- 8 min read AI
AI 时代软件工程的变与不变
从编码门槛降低、反馈环优先、架构价值重估三个角度,探讨 AI 能力快速进化背景下软件工程师的真正价值所在,以及如何建立与之匹配的判断力。
- 7 min read AI
Matt Pocock Skills 体系解析:设计哲学与核心 Skill 导读
系统解读 Matt Pocock 开源的 AI Coding Skills 项目:从目录结构、设计约定到核心 Skill 的实现逻辑,探讨它如何解决 AI 编程中的真实痛点。
- 3 min read AI
用 Skill 系统开发 2048:完整的工程流程演示
以开发一个网页版 2048 游戏为例,完整演示 Matt Pocock Skill 系统的工作流程:从 grill 对齐、spec 生成、ticket 拆分到 TDD 实现。
- 13 min read AI
Prime Agent 深度技术分析:让 AI 代理真正长跑的架构设计
深度拆解 Prime Agent(v0.7.1)的六大核心机制:持久 IPython 内核、三层消息队列、迭代压缩、Daemon 架构、树形会话、跨供应商切换,剖析其如何解决当前 AI Agent 跑不远的问题。
- 27 min read LLM
当代码不再值钱:从 Linus 到 LLM,一个行业信条的两次反转
沿着 Linus Torvalds 的 "Talk is cheap. Show me the code" 到 Andres Parra 的回响,再到 Kailash Nadh 的 "Code is cheap. Show me the talk",论证 LLM 时代判断力比写代码本身更稀缺。
- 8 min read AI
【中英对照】The Human is the Loop:人是循环本身
Brent Fitzgerald 离开 AI 几周后回来,发现自己形成了很多不健康的习惯。本文为中英对照版本,便于对照阅读原文与译文。
- 7 min read AI
度假三周后,我意识到自己被 AI 工具奴役了
Brent Fitzgerald 离开 AI 几周后回来,发现自己形成了很多不健康的习惯:过度依赖、效率内卷、永远完不成的半成品项目。本文是他的反思,以及他重新找到的平衡。
- 21 min read AI
拆解 DeepSeek Harness:PTC 把五次工具往返压成一次,「创造模式」让模型自造工具
本文基于 dsh 0.1.1-rc.2 源码阅读,拆解 DeepSeek Harness 两个「反直觉」模式:PTC 让模型写程序把多次工具往返压成一次,创造模式让模型在运行中动态装卸插件;再往下挖到底层 Cordis 框架的时间/空间两个维度,最后讨论 dsh 面向「持续学习」的运行时设计与它距离成熟产品的距离。
- 11 min read AI
Cloudflare Code Mode:让 LLM 写代码而非调工具,把 MCP 变成 TypeScript API
本文拆解 Cloudflare Code Mode:把 MCP 工具渲染成 TypeScript API、让模型写代码而非发 tool-call 的新范式。从「莎士比亚学中文」的类比讲起,拆解类型生成、V8 isolate 沙箱隔离、网络封锁与密钥保护,再结合 cloudflare/agents 框架的 connector 与 snippet 机制,最后给出何时值得引入的判断清单。
- 9 min read Linux 是 Agent 的底层
AI Agent 的基础设施,90% 是 1996 年的 Linux
给 Agent 单独建用户叫身份隔离,chmod 一下叫最小权限,systemd 守护进程叫 Agent Runtime——本文把 AI Agent 领域那些听起来高大上的术语,还原成 Linux 运维里早已存在的老办法,并解释为什么这套思路是 Agent 安全的根基。
- 21 min read AI Agent 工程
智能体工程模式:代码免费时代的软件工程实践
解读 Simon Willison《Agentic Engineering Patterns》:当写代码的边际成本趋零,软件工程的重心从'写'转向'定义问题、验证结果、偿还认知债',以及这套个人方法论的组织盲区。
- 33 min read AI Agent 工程
AI Native SDLC 重构开发:四份报告深度解读
交叉比较 Google、OpenAI、Anthropic、LangChain 四份 AI 原生 SDLC 报告:当代码生成从稀缺能力变成基础能力,瓶颈迁移到意图、验证、治理与判断。附四份材料的共同结论与各自盲区。
- 29 min read AI Agent 工程
从 intent.md 到闭环:AI 原生软件开发的六个阶段、一条制品链、几道审批门
解读 Anthropic《AI 原生 SDLC 手册》:从 intent.md 到闭环的六个阶段、一条制品链、几道审批门,重新定义受监管企业如何在 agent 时代落地 Claude Code。
- 9 min read Linux 是 Agent 的底层
Agent 的工具调用,90% 是 1996 年的 SSH
Tool Calling 是 Agent 的核心能力之一。但如果你仔细看它的本质——发送指令、执行命令、返回结果——会发现这不过是 Linux 早就解决过的问题。SSH 远程执行、管道传输、CGI 脚本,这些 1996 年的技术,早已蕴含了 Tool Calling 所有的设计要素。
- 14 min read AI Agent 工程
Agent 是「没有记忆的新人」:为什么 codebase 结构决定 AI 输出质量
AI Agent 每次开工都是失忆的新人。决定它产出好坏的不是 prompt,而是 codebase 的结构。拆解三大失败模式——弱反馈闭环、导航困难、认知过载,以及「心智地图」问题。
- 16 min read AI Agent 工程
深模块与灰盒模块:让 AI 在你划定的边界内干活
Ousterhout 深模块——大量实现 + 简单接口——正是 AI 友好的代码组织方式。灰盒模块里人定接口、AI 管实现、测试锁行为。这是渐进式披露的落地方案。
- 17 min read AI Agent 工程
Skill 设计最佳实践:分层架构、命名约定与「三句话的力量」
把设计哲学编码成 skill 的实用手册:Getting Started → Main Flow → Shaping → Upkeep 的分层架构、slash+verb-first 命名约定、editable vs read-only,以及「skill 不必长」的克制。
- 20 min read AI Agent 工程
动手写你的第一个 Skill:『线上故障排查』从零到能跑
用第 3 篇的最佳实践写一个可用的『线上故障排查』skill:description 触发条件 + 确认→缩小范围→假设→取证→修复→回归的六步循环,外加三条铁律。附完整文件,贴进 .agents/ 即可用。
- 27 min read AI Agent 工程
让 Skill 更强并落地团队:sidecar 扩展与「idea→ship 主线」
给『线上故障排查』skill 加装 references/(Kafka 积压、JVM OOM、慢查询三本手册)、scripts/(日志聚合)、agents/(假设评审子代理),再用 grill-me→to-spec→to-tickets→tdd 跑通「idea→ship 主线」,附 adoption 清单。
- 9 min read Linux 是 Agent 的底层
Agent 的记忆,90% 是 1996 年的文件系统
Agent 的长期记忆靠 RAG,短期记忆靠 context window。但如果你仔细看它的本质——持久化、检索、过期、压缩——你会发现这不过是 Linux 文件系统在几十年前就解决过的问题。/var/log、/tmp、crontab,这些目录和机制早已蕴含了 Agent 记忆系统的所有设计要素。
- 8 min read Linux 是 Agent 的底层
Agent 的评估,90% 是 1996 年的日志分析
Agent 评估是 Agent 落地最难的问题之一:怎么知道一个 Agent 好不好?怎么量化它的进步?Benchmark、RLHF、自动化测试,这些听起来很新。但如果你仔细看,它们不过是 Linux 早就解决过的问题——日志分析、回归测试、SRE 的 SLO。
- 7 min read Linux 是 Agent 的底层
Agent 的编排,90% 是 1976 年的 Makefile
多 Agent 协作、任务依赖图、工作流引擎——这些听起来是 2024 年的新技术。但如果你仔细看,它们不过是 Makefile 在 1976 年就解决过的问题:拓扑排序、增量执行、并行调度、失败传播。
- 8 min read Linux 是 Agent 的底层
Agent 的安全,90% 是 1998 年的 SELinux
Agent 安全是当下的热门话题:prompt injection、数据隔离、工具滥用。但如果你仔细看,这些问题的本质——强制访问控制、白名单、审计追溯——Linux 早在 1998 年就给出了完整答案。SELinux 的 MLS/MCS、seccomp、namespace,比大多数 Agent 安全方案早了 20 年。
- 8 min read Linux 是 Agent 的底层
Agent 的通信,90% 是 1979 年的 Unix Socket
Agent 之间的通信、Agent 和外部服务的交互——这些听起来是分布式系统的新问题。但如果你仔细看,本地进程间通信(IPC)早在 1979 年就有完整答案了:Unix Domain Socket 的可靠传输、权限验证、文件描述符传递,比 gRPC 和 WebSocket 早了 40 年。
- 11 min read 通俗易懂讲论文
写给所有人的 AI 故事:8 篇改变世界的论文
不懂代码、不懂数学也能读懂的 8 段 AI 故事:从 1998 年 LeNet 到 2020 年 AlphaFold,8 篇关键论文如何让机器学会看图、思考、说话、玩游戏、预测蛋白质结构,改变了过去三十年。
- 8 min read AI
编程并不特殊——程序员也是艺术家
Glyph 博文《Programming Isn't Special》的中文解读:所有创意行业都在抵抗 AI,唯独程序员一边抱怨一边大规模使用。挡箭牌是「编程不是艺术」——这篇文章拆掉这块挡箭牌:编程就是艺术,而「捍卫平庸」是 AI 时代最被低估的危机。
- 13 min read AI
Eval 设计与自动爬坡:为什么你的评测在骗你
评测设计的四条硬要素,加上自动爬坡的三条选面原则,能把一次客服任务的成本砍到五分之一。但留出集只挡得住「背例子」,挡不住评测本身采错——我用 40 行模拟跑了三种策略,虚报从 9.6 分压到 1.7 分。
- 11 min read AI
AI 工程师招聘体系怎么落地
把 AI 写进招聘流程,最容易出的两个问题是只调工具不调标准、过度依赖自动化。这篇讲怎么写清 AI 使用规则、怎么按岗位建能力模型、怎么拆评估环节,以及四周试点该怎么跑、看哪些指标。
- 12 min read AI
AI 辅助面试怎么设计题目
一道传统编码题在 AI 面前还能提供多少信息?这篇讲怎么把编码题改造成完整的工程任务、怎么设计代码理解与审查题,以及 Anthropic 那套被模型连续打败三次的性能优化作业是怎么被迫一次比一次更刁钻的。
- 17 min read AI
AI 招聘工具包:评分卡与清单
六维度评分卡(含 1/3/5 行为锚点与一票否决项)、题目设计自检清单、60 分钟观察记录表、12 条常见失败模式、试点效果评估表——五份可直接复制使用的表单,配合前两篇的原则使用。
- 11 min read AI
AI 时代的技术面试该考察什么
AI 能写代码之后,「现场手写代码」这个信号正在贬值。这篇用 Anthropic 就业报告里初级技术岗份额从 21% 掉到 14% 的数据,对比 Google、Meta、OpenAI、微软、Anthropic 五家的公开做法,给出 AI 时代面试应该真正考察的四项能力。