<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[2401_87562521的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/2401_87562521</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; 2401_87562521]]></copyright><item><title><![CDATA[AI 也要睡觉：靠 “做梦” 整理记忆的 Agent]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/170247711</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/170247711</guid><author>2401_87562521</author><pubDate>Mon, 09 Nov 2026 09:07:47 +0800</pubDate><description><![CDATA[克尔凯郭尔的“生活倒着理解，正着活”映射出Agent记忆的核心困境：当下无法预知何事值得铭记。Anthropic提出“做梦”机制——以会话记录为真值，离线重放、纠错、提炼，构建分层记忆体系：从原始日志到精炼规则、wiki知识图谱，最终将关键记忆注入上下文。实践表明，只记“屏幕渲染不出的经验”，给目标而非规则，让强模型自主判断；通过对照会话记录修正错误，组织成可检索的wiki，显著提升任务表现。虽面临算力与表征误差挑战，但“回头”的机会，正是智能体超越即时反应的可能。]]></description><category></category></item><item><title><![CDATA[DeepSeek 开源的 Super-agent 是什么]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/170333663</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/170333663</guid><author>2401_87562521</author><pubDate>Mon, 09 Nov 2026 09:06:27 +0800</pubDate><description><![CDATA[DeepSeek开源的Super-agent原型通过双层架构（Router+Worker）、事件驱动、订阅直通、批处理与全双工通信，实现多agent并行协作的高效管理。其存算分离设计让agent持久在线，可跨设备运行，外置Watchdog保障稳定性。系统能主动响应群聊、GitHub等触发事件，自动分发任务、持续执行，大幅降低人力干预成本，构建出连续、主动、高效且持久的智能工作流，为下一代AI代理提供可扩展的实践范本。]]></description><category></category></item><item><title><![CDATA[企业级 Agent 的提示词注入防御：四层纵深防线]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/169548214</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/169548214</guid><author>2401_87562521</author><pubDate>Sat, 31 Oct 2026 09:53:54 +0800</pubDate><description><![CDATA[本文围绕企业级 Agent 的提示词注入风险展开，先区分直接注入与间接注入两种入口，并类比 SQL 注入说明二者的相似与关键差异；随后指出企业级 Agent 因具备 RAG 检索、工具调用、数据库查询、API 调用和代码执行等真实能力，一旦被诱导就可能从模型输出延伸到业务系统。文章强调不能把安全仅寄托于模型，提出四层纵深防御：注入预防降低被影响概率，身份与权限确保被诱导也越不了界，执行隔离与影响控制限制实际影响范围，审计与监控保证异常可发现、可追溯、可止损，并用一次完整攻击场景串联四层机制。]]></description><category></category></item><item><title><![CDATA[Claude Code 的记忆机制：六层记忆与一层缓存]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/169544242</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/169544242</guid><author>2401_87562521</author><pubDate>Sat, 31 Oct 2026 09:52:09 +0800</pubDate><description><![CDATA[ClaudeCode通过六层记忆体系（指令、会话、任务、长期、摘要、AutoDream）与横向缓存机制，实现长周期Agent的高效运行。记忆分层管理：规则、上下文、任务状态、持久知识、压缩摘要与离线治理，各司其职；摘要记忆渐进式压缩，结合“摘要+最近原文”策略，在有限上下文窗口中维持连续性；长期记忆动态召回、读写互斥，避免冗余；缓存体系则提升复用效率，分离“记什么”与“少重复干活”，构建可持续、可扩展的智能编程代理。]]></description><category></category></item><item><title><![CDATA[Agent 评测体系：三层分类与一条流程]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/169168074</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/169168074</guid><author>2401_87562521</author><pubDate>Tue, 27 Oct 2026 15:48:54 +0800</pubDate><description><![CDATA[评测Agent系统需构建“三层分类×一条流程”的体系：端到端（看结果）、轨迹（析过程）、表现（评代价），贯穿“定数据集、定标准、跑测试、看归因、持续迭代”五步流程。核心指标聚焦任务完成率、工具正确性、参数准确性和稳定性，强调先做错误分析，渐进式加码指标，离线守已知，线上探未知，通过闭环迭代实现评测体系随业务成长。]]></description><category></category></item><item><title><![CDATA[RAG 评测体系：检索与生成怎么分别评]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/169164237</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/169164237</guid><author>2401_87562521</author><pubDate>Tue, 27 Oct 2026 14:14:59 +0800</pubDate><description><![CDATA[本文系统阐述RAG评测体系架构，涵盖五步工作流：选框架（EvalScope统筹，MTEB与RAGAS分别评检索与生成）、设计baseline（横向结构对比、纵向参数扫描）、准备数据（对齐的corpus/queries/qrels与生成表）、跑baselines（回填上下文与回答）、跑评测（基于人工标注与LLM Judge的多维指标）。强调上线需三重校验：主指标监控、灰度发布、动态回滚，并通过“评测-上线-监控-迭代”闭环形成数据飞轮，持续优化RAG系统性能。]]></description><category></category></item><item><title><![CDATA[SDD + TDD：AI 时代的开发范式]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/169050295</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/169050295</guid><author>2401_87562521</author><pubDate>Sun, 25 Oct 2026 10:33:30 +0800</pubDate><description><![CDATA[VibeCoding失效源于需求模糊与质量无保障。问题不在AI能力，而在开发缺了SDD（规格驱动）与TDD（测试驱动）两大基石：前者将模糊需求转化为明确规格，后者以先行测试确保实现达标。二者结合形成可落地的工程流程——如GitHub高星项目Superpowers，通过“需求→规格→计划→执行→审查→交付”闭环，嵌入回退机制与分级评审，使AI编程从“碰运气”变为可控、可验证的流水线。真正提升效率的，不是更强模型，而是严谨范式与工作流的系统性约束。]]></description><category></category></item><item><title><![CDATA[三种 Skill 技能包，三种工程直觉]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/169049737</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/169049737</guid><author>2401_87562521</author><pubDate>Sun, 25 Oct 2026 10:07:41 +0800</pubDate><description><![CDATA[AI编程Agent已能生成可运行代码，但团队真正缺的是对开发流程的共识。Skill包通过Markdown形式将资深工程师的判断转化为可执行关卡，如AddyOsmani的六阶段流程、MattPocock的需求对齐方法、LaurenTan的验证驱动实践。三者分别聚焦“流程完整”“共识达成”“结果可信”，各有侧重，不可混用。核心价值不在于知识传授，而在于将团队经验固化为可复用的工作流。技能包本质是“团队质量标准”的编码化，应根据风险匹配使用，避免过度仪式化。]]></description><category></category></item><item><title><![CDATA[DeerFlow 长期记忆系统拆解：从对话提取事实，再把记忆带回上下文]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/168342838</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/168342838</guid><author>2401_87562521</author><pubDate>Sat, 24 Oct 2026 10:21:31 +0800</pubDate><description><![CDATA[DeerFlow提出结构化JSON记忆方案，通过用户画像、历史摘要与事实条目三类核心数据，实现长期协作Agent的记忆持久化。其设计围绕存储、提取、更新与注入四环节展开，以2000 token为上下文预算，按置信度排序注入记忆，并支持按用户与Agent隔离作用域。通过后台防抖批量更新、纠错去重与置信度筛选，确保信息准确可用。该方案适用于偏好积累与日常协作，为持续理解用户提供可解释、可维护的记忆基础。]]></description><category></category></item><item><title><![CDATA[上下文满了怎么办：Nanobot 的上下文压缩与长期记忆]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/168243594</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/168243594</guid><author>2401_87562521</author><pubDate>Sat, 17 Oct 2026 15:26:04 +0800</pubDate><description><![CDATA[Nanobot通过将上下文分为“已发送”（H）与“未发送”（Δ）两部分，当输入逼近上限时，以同前缀的摘要请求压缩H与systemprompt为新摘要，保留Δ不变，实现高效续写。该机制利用KVCache提升效率，避免重复计算。面对OpenAI等提供的加密压缩，Nanobot再生成可读文本摘要，供长期记忆使用。最终，摘要经archive与dream双模板定制化处理，形成可追溯、可演进的长期记忆，从根本上解决agent“失忆”问题。]]></description><category></category></item><item><title><![CDATA[知识库怎么接入 Agent：从 RAG 切片到 Skill 按需查阅]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/168025773</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/168025773</guid><author>2401_87562521</author><pubDate>Sat, 17 Oct 2026 15:25:35 +0800</pubDate><description><![CDATA[本文探讨了RAG与基于文件的按需查阅在知识问答中的应用差异。针对“退货政策”等复杂问题，单纯依赖向量检索易因片段不完整或语义混淆导致错误。相较之下，Skill的references通过目录结构、文件名和引用关系实现渐进式披露，支持Agent按任务逐步读取资料，提升准确性与上下文完整性。二者可结合使用：小规模本地资料用文件结构引导，大规模外部知识则通过混合检索（关键词+向量）精准召回。分层策略——先本地导航，再精确搜索，最后调用外部检索——能高效应对模糊提问、高并发与多源数据场景，兼顾灵活性与性能。]]></description><category></category></item><item><title><![CDATA[Jev 系统 1 模型：让 AI 快速判断，再让代码决定行动]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/167131786</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/167131786</guid><author>2401_87562521</author><pubDate>Sat, 10 Oct 2026 10:26:10 +0800</pubDate><description><![CDATA[Jev是专为快速判断任务设计的结构化推理模型，适用于客服分流、退款分类、记忆检索等高频、低复杂度场景。它通过Noul（是非判断）、Choice（多选分类）、Score（有序评分）三类题型，返回概率与置信度，实现高效、可编程的决策输出。相比通用大模型，Jev在速度与成本上优势显著，但需结合具体任务验证准确率。其核心价值在于将“系统1”式快速判断嵌入工作流，提升自动化效率，尤其适合需要频繁调用、结果形式固定的环节。]]></description><category></category></item><item><title><![CDATA[零到全栈（让部署更稳、更简单：systemd、Nginx 反向代理与前后端同源）]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/167466750</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/167466750</guid><author>2401_87562521</author><pubDate>Sat, 10 Oct 2026 10:24:38 +0800</pubDate><description><![CDATA[本文记录了从朴素部署到稳定架构的升级过程：通过systemd实现后端服务自动启停与崩溃恢复，用Nginx反向代理将/api/请求转发至本地8000端口，关闭公网对8000的直接访问，并将前端配置改为相对路径，实现前后端同源协作。最终完成安全加固、日志统一与部署文档更新，使系统更稳健、易维护。]]></description><category></category></item><item><title><![CDATA[零到全栈（第一次上线：把全栈应用搬上服务器）]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/166901837</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/166901837</guid><author>2401_87562521</author><pubDate>Wed, 30 Sep 2026 18:22:20 +0800</pubDate><description><![CDATA[本文介绍了通过最朴素的方案将全栈应用（前端：Next.js，后端：FastAPI，数据库：SQLite）部署上线的全过程。核心步骤包括：配置文件分离（.env）、使用fastapi run替代dev、配置防火墙开放8000端口、用nohup实现后台常驻运行，并通过Nginx代理前端。最终实现前后端同源访问，项目可公网访问。虽能跑通，但存在服务脆弱、裸奔端口、跨源限制等缺陷，为后续升级至systemd+反向代理+HTTPS奠定基础。]]></description><category></category></item><item><title><![CDATA[零到全栈（无状态的 Web，怎么记住一个人）]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/166841550</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/166841550</guid><author>2401_87562521</author><pubDate>Tue, 29 Sep 2026 14:02:17 +0800</pubDate><description><![CDATA[本文通过引入会话机制，解决文字实验室历史记录全局共享的问题。核心在于利用UUID生成唯一会话ID，结合浏览器自动携带的Cookie，使服务器能识别同一用户的不同请求。改造后，每位访客仅能看到自己的历史记录，实现个性化状态管理。文章深入剖析了HTTP无状态特性、会话与Cookie的关系，并通过前后端协同（设置allow_credentials=True、credentials: "include"），完成跨源会话保持。]]></description><category></category></item><item><title><![CDATA[零到全栈（换芯不换壳：把存储从文件换成 SQLite）]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/166839336</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/166839336</guid><author>2401_87562521</author><pubDate>Tue, 29 Sep 2026 14:01:52 +0800</pubDate><description><![CDATA[本文将零到全栈项目中的存储层从history.json迁移至SQLite，通过分层重构实现“换芯不换壳”。先将存储逻辑拆分为独立的storage.py文件，保持接口不变；再逐步替换为SQLite操作，使用SQL语句完成数据增删查，并添加表结构与索引。全程不改动前端及接口，确保功能一致。最终实现数据持久化升级，为后续用户隔离奠定基础。]]></description><category></category></item><item><title><![CDATA[零到全栈（认识数据库：选型、SQL 与注入防御）]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/166791626</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/166791626</guid><author>2401_87562521</author><pubDate>Mon, 28 Sep 2026 17:40:20 +0800</pubDate><description><![CDATA[本文从文件存储的痛点出发，引出数据库这一解决方案，先按数据模型与服务方式两个维度梳理数据库的分类与选型思路，再上手 SQLite 与 SQL 语言，完成建表、插入、查询、删除等基础操作，并重点讲解 SQL 注入的原理与占位符防御方法，最后通过 ORDER BY / DESC / LIMIT 体验数据库的排序与限量能力，剖析其底层机制（LIMIT 只攥少量、按页读盘、索引与 B 树），并与文件版存储对比，帮助读者理解为什么需要数据库以及数据库长什么样。]]></description><category></category></item><item><title><![CDATA[零到全栈（数据都存在哪儿：内存、文件与持久化）]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/166791946</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/166791946</guid><author>2401_87562521</author><pubDate>Mon, 28 Sep 2026 17:39:33 +0800</pubDate><description><![CDATA[项目初期缺乏持久化，数据用完即失。为赋予系统“记忆”，从最朴素的文件存储入手：将用户查询记录以JSON格式写入本地文件，使用UTC时间确保时区统一，并通过读写接口实现历史记录的存取。虽初步解决数据留存问题，但暴露效率低、并发冲突与数据损坏等瓶颈——一次写入需重写全量数据，多人操作易引发脏写、脏读，断电可能造成文件损坏。这揭示了文件存储在高并发、持续增长场景下的天花板，也埋下引入数据库的动机：唯有具备事务机制的数据库，才能真正支撑可靠、安全的数据持久化。]]></description><category></category></item><item><title><![CDATA[零到全栈（联调、CORS 与第三方库：从假数据到真分析）]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/166647218</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/166647218</guid><author>2401_87562521</author><pubDate>Sun, 27 Sep 2026 10:32:25 +0800</pubDate><description><![CDATA[本文完成了前后端联调，打通了“输入→请求→后端计算→响应→界面更新”的完整链路。通过解决CORS跨源问题，配置Access-Control-Allow-Origin与allow_methods，成功处理GET和POST请求。将硬编码的后端地址移入.env.local环境变量，实现配置集中管理。引入pypinyin和snownlp库，实现真实拼音标注与情感分析，使接口从占位返回变为动态计算。最终，前端无需修改即可接收真实数据，验证了API约定的重要性与系统可扩展性。
]]></description><category></category></item><item><title><![CDATA[零到全栈（杂活交给框架：FastAPI 登场）]]></title><link>https://blog.youkuaiyun.com/2401_87562521/article/details/166731303</link><guid>https://blog.youkuaiyun.com/2401_87562521/article/details/166731303</guid><author>2401_87562521</author><pubDate>Sun, 27 Sep 2026 10:31:04 +0800</pubDate><description><![CDATA[本文通过对比手写HTTP接口与使用FastAPI框架的差异，展示了后端开发中框架带来的效率提升。作者以/api/profile和/api/analyze接口为例，说明FastAPI如何自动处理路由、请求解析、响应生成及404兜底，并借助Pydantic实现请求体的类型校验。通过uvicorn与fastapi dev命令启动服务，实现了热重载与自动生成API文档。最终，文章强调了框架在减少重复劳动、提升开发体验方面的价值，并指导读者完成依赖管理与项目规范化。]]></description><category></category></item></channel></rss>