- 博客(52)
- 收藏
- 关注
RSS订阅
原创 浅谈如何把 Agent 做成可用产品
别再沉迷酷炫Agent Demo了！光靠大模型写不出能落地的产品。本文抛开玄学提示词，用大白话拆解整套落地工程思路：从工具、记忆、上下文管理，到执行约束、长期任务循环，层层拆解踩坑关键点。没有万能模型，只有完善的配套系统才能让AI靠谱干活，讲清人和Agent各司其职的真实协作逻辑。
2026-07-24 22:45:45
1581
原创 如何避免 Agent 系统中大模型的幻觉？全链路工程化解决方案
还在靠几句提示词指望 Agent 不胡说八道？大模型幻觉可不会乖乖听话，乱编工具、篡改资料、私自操作高危接口全是坑。本文拆解 Agent 各类幻觉病根，一套四层全链路防护方案，搭配长任务防跑偏、线上兜底降级全套实操，手把手教你把模型 “瞎编乱造” 的毛病治明白，告别离谱线上故障！
2026-06-26 21:20:35
1201
原创 Harness Engineering 需要眼睛：保障生产级 Agent 项目的可观测性
Agent Demo 跑得欢，一上生产全翻车？工具乱调用、Token 疯狂烧、任务跑歪查无头绪，根源就是你的 Harness 没装 “监控眼睛”！别再靠简陋日志盲猜故障，一套完整全链路可观测体系，既能揪出模型决策漂移、理清工具调用故障，还能拆解每一步算力开销，把线上事故变成迭代素材，告别靠改 Prompt 碰运气的作坊式开发，让生产级 Agent 全程透明可控。
2026-06-21 19:10:53
842
原创 Agent量化评测、链路排查、问题定位、闭环优化——核心理解与落地设计方案
不少AI Agent看似聪明能干，实则经常“摆烂翻车”：性能好坏无数据、出了故障找不到根因、优化迭代原地踏步。别再靠运气运维智能体了！本文硬核干货趣味拆解，一套量化评测+链路排查+精准定位+闭环优化完整打法，把Agent的运行黑盒彻底掰开看透，告别盲调、盲测、盲优化，让智能体落地运行全程可控、可测、可迭代，轻松拿捏Agent稳定运维！
2026-09-24 13:31:19
228
原创 基于 AI Agent 的智能诊断辅助决策系统：腾讯团队让工单处理提效 9 倍
还在靠资深大佬的“第六感”手动扒数据、审工单？两分钟一单的传统操作，早已被AI Agent狠狠提速！腾讯这套智能诊断系统，不靠大模型炫技，主打务实落地，搞定多系统杂乱数据、人工经验误判、决策无依据三大痛点，直接把工单处理从“磨洋工2分钟”卷到“极速20秒”，提效最高9倍！全程可追溯、可解释、可复用，告别经验黑箱，解锁省心又高效的人机打工新模式。
2026-09-11 21:14:07
317
原创 LangChain 还是 CrewAI？别慌，5 分钟带你选对 5 大 AI Agent 框架
做 AI Agent 最容易翻车的第一步，就是选错框架。LangChain、LangGraph、LlamaIndex、CrewAI、AutoGen—— 这五个圈内顶流选手，看似都能搭智能体，实则画风完全不同：有的靠生态卷成原型神器，有的靠状态循环杀进生产环境，有的专精知识检索闷声干活，还有的主打多智能体组队打工。本文不扯虚头巴脑的概念，挨个扒透它们的真实能耐、适用边界和踩坑点，每个都附了开箱即跑的极简代码 Demo，看完直接对号入座，再也不用选型选到秃头。
2026-09-06 17:29:35
194
原创 RAG 动态路由：让检索 “聪明“ 起来 —— 从分源路由到自适应检索策略
用户问"报错 E1024 咋整"，你家 RAG 去产品手册翻了三页功能介绍——不是检索不行，是它一根筋。这篇聊聊 RAG 动态路由：给检索装个导航大脑，自动判断去哪个库搜、用 BM25 还是 KNN 还是混合搜。从分源路由到策略自适应，从代码实现到踩坑指南，让你的 RAG 从"瞎猫碰死耗子"进化成"精准制导"。毕竟检索这事儿，选择比努力重要！
2026-08-29 14:50:07
349
原创 RAG 质量评估全攻略：RAGAS 四维指标 + 生产级监控实战
花两周搭的RAG上线了，老板问"效果咋样"，你说"感觉还行"——然后用户反馈"它在胡说八道"。问题出在哪？是检索漏了？还是模型编了？你两眼一抹黑。别慌，RAGAS四大指标给你的RAG装上CT扫描仪：Faithfulness抓幻觉、Answer Relevancy抓跑题、Context Precision抓垃圾召回、Context Recall抓漏网之鱼。再配上CI/CD质量门禁和线上异步监控，让每次改动都从"凭感觉"变成"看数据"。读完这篇，你的RAG再也不会"看起来很聪明，实际上在瞎编"了。
2026-08-27 14:07:44
373
原创 靠这 10 个优化点，腾讯团队把 Multi-Agent 工作流成本降了 50% 以上
腾讯团队在 Multi‑Agent 开发工作流实践中，面临多 Agent 调度带来的 Token 成本暴涨问题。团队通过**度量定位成本来源**，围绕三大核心原则：**只加载当前所需上下文、减少无关上下文、减少重复上下文**，落地 10 项技术优化，最终实现整套 Multi‑Agent 工作流**Token 成本下降 50%‑65%**。为大模型 Agent 工程降本提供可复用的实战方法论。
2026-08-22 14:16:18
467
原创 RAG 的 9 种架构，你用的是哪一种？
还在把朴素Naive RAG当成RAG全部？纯纯入门小白行为！别再傻傻跟风堆模型、瞎优化了！RAG根本不是单一工具，而是一套层层升级的神仙架构家族！从只会机械检索、偶尔胡说八道的基础款，到加补丁优化的进阶版、可自由拼装的模块化版本；从会自查自纠、智能分诊的聪明款，到拿捏全局逻辑的图谱版、自主思考干活的智能体天花板，再到兼容图文视频的多模态全能款，足足9种架构各有绝活哦。
2026-08-14 21:30:13
871
原创 美团图灵 Agent 评测文章学习：从 “打分“ 到 “基建“，Agent 评测的认知升级
做 Agent 就像开盲盒，每次跑出来的结果都不一样。美团图灵团队踩了两年坑，终于悟了：评测不是打个分就完事，而是给 Agent 装个 "行车记录仪"—— 看不见的问题，永远修不好。从 "答得对不对" 到 "事办得漂不漂亮"，这篇把 Agent 评测的底裤都扒了。
2026-08-12 22:04:50
670
原创 HTTP 1.1/2/3 特性总结
只有内核缓冲区完整检测到了完整报文后，才会给到应用层，保证给到应用层的字节流一定是连续、无损坏、有序的） （TCP 不知道什么是 HTTP2 帧，不会判断帧完不完整；（ QUIC 协议没有用四元组的方式来“绑定” TCP 连接，而是通过连接 ID 来标记通信的两个端点，移动设备的网络变化后，导致 IP 地址变化了，只要仍保有上下文信息（比如连接 ID、TLS 密钥等），就可以“无缝”地复用原连接，消除重连的成本，没有丝毫卡顿感，达到了连接迁移的功能。发送冗余的首部，每次互相发送相同的首部造成的浪费较多；
2026-08-10 22:48:54
667
原创 Http 缓存技术
浏览器默认开启 HTTP 缓存能力；协商缓存 (ETag/Last‑Modified) Nginx、SpringBoot 静态资源默认会返回；强缓存 max‑age 不会默认开启，必须后端手动配置响应头；如果服务端完全没有缓存头，浏览器会使用启发式缓存，行为不可预测。
2026-08-09 19:04:12
781
原创 堆溢出解决思路
如果看到：YGC 频繁，每次回收后可用内存很少；频繁 Full GC，内存几乎释放不下来 → 大概率内存泄漏。如果一次性突增大量对象直接打满堆，回收效果尚可，只是瞬时需要内存大 → 业务数据量问题。现象：‑Xmx 设置的最大堆内存被占满，GC 反复回收，回收后内存依然不够，抛出堆溢出。查出几十万行封装进 List，直接打爆堆，属于业务写法问题，不是泄漏。例子：一次性查询百万数据全部加载进 List，全部放到内存。MAT 看对象都是业务正常需要的，没有不该存活的对象。对象不用了，还被强引用持有，无法 GC。
2026-08-08 12:57:21
333
原创 位数组（数据结构分析&应用场景）
状态标记：签到、在线、黑名单、权限开关数字处理：位图排序、海量 ID 去重人群计算：用户画像、广告人群交并差运算中间件底层：布隆过滤器、Redis Bitmap、大数据 RoaringBitmap数据库 / 算法：位图索引、状态压缩 DP。
2026-07-29 23:03:36
754
原创 Loop Engineering 已死？Graph Engineering 登基？
爆火一时的 Loop 智能体循环短板尽显，上下文腐烂、自检造假、串行低效问题频发。Graph 图工程凭分工式节点、并行调度、独立校验强势出圈，本文拆解架构原理、对比落地成本，告诉你什么时候用循环、什么时候上图编排。
2026-07-28 23:09:34
783
原创 Redis 大 Key 完整解决方案
Redis大Key指数据体积大或操作耗时的Key，如超大字符串、元素过多的集合等。大Key会阻塞单线程Redis，引发服务雪崩、内存抖动、集群迁移失败等问题。
2026-07-27 15:04:46
446
原创 如何设计一个朋友圈系统
整体分层：接入层 → 业务服务层（用户关系 / 朋友圈动态 / 互动点赞）→ 缓存层 → 消息队列层 → 存储层（MySQL + 分库分表 + ES）
2026-07-25 19:36:36
689
原创 HTTP/2 学习
TCP 是无边界字节流，HTTP1.1 文本报文靠换行分割，必须读完一整个请求才能处理，会发生队头阻塞；二进制帧自带长度字段，天然区分数据边界，搭配 Stream ID 可以把多个请求拆成碎片乱序传输；服务器并行只能加快业务处理，不能改变 TCP 流的排队特性；二进制帧才是实现单 TCP 并发多请求的底层基础。HTTP2 服务端推送不能主动凭空发资源，必须依托客户端的一次原始请求；核心依靠二进制推送预告帧，服务器提前告知客户端要推送的资源路径；
2026-07-24 19:42:25
370
原创 七大算法完整总结：冒泡 / 插入 / 选择 / 快排 / 归并 / 堆排 + 二分查找
稳定排序：冒泡、插入、归并；其余快排、堆排、选择都是不稳定原地排序（\(O(1)\)空间）：冒泡、插入、选择、堆排最坏仍保证 \(O(nlogn)\)：归并、堆排；快排有序数据会退化\(O(n^2)\)二分查找只用于有序数组，核心是折半缩小区间。
2026-07-23 22:29:17
612
原创 JVM不同加载策略：class 字节码 与 普通文本 / 资源文件
JVM 只为运行必需的类字节码做永久缓存；普通文本资源只是一次性流式读取，读完就丢弃解压后的内容，没有底层缓存，因此每次读取都要重新解压。
2026-07-20 11:04:05
205
原创 漏桶、令牌桶、滑动窗口 三限流算法理解
只要你的业务满足：长期要控制平均流量，但短时间允许一波峰值、不想粗暴拦截用户就用令牌桶。绝大多数互联网普通业务、活动、网关都符合这个需求，所以令牌桶是使用最广的限流算法。漏桶与令牌桶兼顾平稳性，且令牌桶还有突发处理性；而滑动窗口只适合精准防刷。想匀速保护下游→ 漏桶普通业务、允许短时突发→ 令牌桶（首选）做频次风控、精准计数防刷→ 滑动窗口。
2026-07-19 20:40:10
449
原创 OkHttp ResponseBody 三种读取方法完整对比
共性：三者数据源完全一致，底层都依赖 Okio 缓冲流从内核 TCP 缓冲区拷贝数据；本质差异string()：封装了「读完全部 + 转字符串 + 关流」一站式逻辑；source()：直接暴露高性能缓冲流，把读取、连接控制权交给开发者；：是source()的兼容适配器，转成老式 Java 标准流，牺牲易用性换兼容性。source()（手动加缓冲） >（原生无缓冲）
2026-07-19 18:57:57
402
原创 GrowBrain - 淘宝 Agentic 内容成长引擎实践
本文解析淘宝自研 Agentic 内容成长引擎 GrowBrain，针对传统内容分发决策存在多信号融合难、可解释性差、迭代缓慢等痛点，对比 ReAct 架构缺陷，提出Plan-Execute-Summarize（PES） 三段式稳定编排方案。
2026-07-18 17:57:18
1388
原创 SSE 学习
只是 SpringMVC 对 SSE 协议、异步输出、连接生命周期的封装，底层本质就是操作。缺点：整个流式过程占用 Tomcat 同步线程，长连接会耗尽线程池。仅内部中转服务使用，响应头。，双换行代表一条消息结束。，每条 JSON 用。
2026-07-18 09:26:08
431
原创 Agent：Plan&Execute 与 ReAct 架构优缺点对比
规划阶段 Plan：大模型一次性生成完整分步执行计划（步骤列表、工具调用顺序、参数），全局统筹目标、依赖、边界；执行阶段 Execute：Agent 按计划逐步骤调用工具 / 环境，执行后收集结果回填；修正机制：全部执行完或中途失败后，重新全局重规划。典型代表：AutoGPT 早期、Plan-Solve、BabyAGI、分层规划 Agent（HSP）。
2026-07-16 13:20:44
705
原创 JsonNode、ObjectMapper、普通java对象、JSON 四者区分关联
只是纯字符串文本，没有程序可操作结构，仅用来网络传输、存文件。只是一串字符，不能直接.get("id")；无类型区分，数字 / 字符串 / 布尔全是文字；不能新增 / 修改字段，只能整段替换文本。JSON 是传输用的纯文本；ObjectMapper 是转换器，负责文本和内存对象互转；ObjectNode 是灵活可变的动态 JSON 内存模型；Java Record/POJO 是固定结构、类型安全的业务数据载体。
2026-07-15 21:11:51
536
原创 Shell、Terminal、CLI 三者清晰区分
只是一个图形界面窗口程序，负责显示文字、接收键盘输入，不解析命令。作用：提供黑框窗口，把你敲的文字转发给内部的 Shell；再把 Shell 的输出打印到窗口上。Windows 例子：终端、旧版 cmd 窗口、PowerShell 窗口、VS Code 内置终端；Linux/Mac 例子：系统自带「终端」、iTerm2。类比：Terminal = 电视机屏幕，只负责显示画面，不生产内容。Terminal = 显示文字的黑窗口；Shell = 窗口里解析命令的翻译器；
2026-07-15 20:46:55
489
原创 阿里 AI 云诊断系统 Loop Engineering 实战：实现从日志扫描到预发部署的全自主闭环
AI加速了代码开发，却难以解决低效的人工运维循环？阿里云落地Loop Engineering生产级闭环方案，实现日志扫描、Bug修复到预发部署全自动化，线上错误量暴跌96%。一文读懂AI工程范式升级，助力工程师从“手动搬砖”转向“设计智能循环”。
2026-07-14 21:23:26
752
原创 为什么 Agent 时代，大家都在做 CLI ？
GUI 统治时代落幕，AI Agent 集体爱上老旧 CLI？看似复古，实则是 AI 原生交互的时代新选择。
2026-07-10 19:50:00
905
原创 火山引擎 AI 搜索千万级 Agent 架构演进与实践：从 ReAct 三节点到 Unified Policy
针对千万级 AI 搜索场景 ReAct 三节点架构延迟高、流程割裂问题，火山引擎推出 Unified Policy 架构，将多节点决策合并为单一策略中心，全部系统行为标准化为工具，配套上下文治理，显著降低响应延迟、提升可扩展性。
2026-07-08 20:53:21
728
原创 SkillScan：字节团队面向 AI Agent Skills 的全链路安全检测方案
AI Agent技能百花齐放，后门、注入、供应链投毒却藏在暗处搞偷袭。字节自研SkillScan打通包体、声明、代码、运行、依赖全流程检测，把藏在技能里的各类恶意陷阱一网打尽。文中拆解分层检测架构、落地接入方案，附带开发者避坑指南，看完再也不怕上架技能暗藏安全雷！
2026-07-06 21:43:46
1108
原创 大模型蒸馏到底是什么？硬蒸、软蒸？
千亿大模型训练烧钱烧算力，小模型性能又拉胯？模型蒸馏堪称 AI 圈 “抄作业神器”！软蒸、硬蒸到底差在哪？一个只抄标准答案，一个连老师内心打分逻辑全扒走。本文抛开枯燥公式，拆解蒸馏底层逻辑、落地玩法与能力天花板，顺便聊聊行业蒸馏背后的成本、工程技巧与合规坑点。
2026-07-02 20:33:53
1014
原创 基模能力越来越强，微调（RLHF、SFT）还有价值吗？
新一代基座大模型能力卷到离谱，零样本就能干翻不少垂类微调模型，一时间微调仿佛成了过时旧方案？本文抛开玄学争论，扒透 SFT、RLHF、DPO 真实分工，拆解微调不再用来补基础能力，而是专攻控流程、控偏好、压成本、控风险的核心价值，顺便给你一套落地选型避坑指南，看完再也不用纠结该不该砸钱做微调！
2026-06-30 22:05:30
790
原创 为什么 Claude Code 不用 RAG 检索代码，而是直接用 grep？
大伙是不是默认代码检索必上 RAG？万万没想到 Claude Code 反其道而行，放着光鲜的向量检索不用，一头扎进老旧 grep 怀里！本文扒透背后底层逻辑，拆解 RAG 适配代码的各类硬伤，聊聊简单命令搭配 Agent 循环有多香，最后客观理清两者适用场景，看完彻底告别技术跟风盲从。
2026-06-24 20:55:06
714
原创 拆解 Claude Code 内核：ReAct 循环、分层子 Agent 与多层安全体系
一次史诗级npm发布翻车，51万行源码直接裸奔！别再只会拿Claude Code复制粘贴改bug，看完这篇扒透它的底层套路：ReAct循环当骨架、分层子Agent打工摸鱼、23层安全枷锁死死管住高危命令，顺带搞懂为啥代码看多了AI就集体失忆。
2026-06-18 20:51:43
849
原创 如何写好 Skill：一份来自腾讯团队的终极实战经验手册
Skill写半天触发乱飞、输出随心所欲，评审 PR 时被问得哑口无言？腾讯一线工程师把踩坑血泪史整理成册，搭配 Anthropic 官方「写 Skill 的 Skill」神器，一键生成模板、自动批量测评，用数据兜底质量，新手也能轻松拿捏标准化 AI 能力，告别低效调试！
2026-06-17 22:33:12
886
原创 一篇搞懂 AI Coding Agent 的 Token 成本控制
还在被 AI 编码工具高额 Token 账单背刺？会话越聊越长、工具乱调用、日志塞满上下文，钱包悄悄缩水却找不到元凶！本文拆解 Token 隐形消耗大坑，手把手教你用 RTK、Caveman 压缩冗余内容，搭配模型分流、代码图谱、多 Agent 分工这套省钱组合拳，不用无脑降模型规格，轻松拿捏 AI 编程成本，告别白白烧 Token 的冤种开发日常。
2026-06-16 22:09:28
1022
原创 Loop Engineering：重新定义代码与系统的循环设计
还在一遍遍手写提示词、盯着 AI 改代码？时代变啦！从 Prompt、Context 再到 Harness，AI 辅助编程一路迭代，如今Loop Engineering（循环工程） 强势出圈，快来跟着本文章一起交流一下吧！
2026-06-13 19:34:09
1124
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人