<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[GoodMood2008的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/GoodMood2008</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; GoodMood2008]]></copyright><item><title><![CDATA[Agent Skill 工程设计准则]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/166740721</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/166740721</guid><author>GoodMood2008</author><pubDate>Mon, 28 Sep 2026 17:40:23 +0800</pubDate><description><![CDATA[本文提出Skill组件设计的自包含准则，强调其运行视图隔离性，禁止越界访问资源与代码。通过规范用户界面配置、明确外部能力扩展路径（如Hooks、RuntimeTool、MCP等），构建安全可复用的Skill体系。结合标准化决策流程，实现边界清晰、职责分明的Agent组件开发，为智能体系统化扩展提供底层支撑。]]></description><category></category></item><item><title><![CDATA[Agent 热点降层：从范式创新走向工程深挖]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/163892329</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/163892329</guid><author>GoodMood2008</author><pubDate>Wed, 19 Aug 2026 18:08:26 +0800</pubDate><description><![CDATA[Agent技术栈分层收敛：从范式创新转向工程深挖（2026年趋势观察） 技术栈呈现明显分层收敛态势： **协议层（MCP/A2A）**基本定型，重点转向适配器、安全等工程扩展 单Agent Loop层完成范式统一（思考-行动-观测），Claude源码泄露推动行业对标工程化，DeepSeek等框架将Harness能力组件化 多Agent层工程实现趋同（图拓扑/Supervisor编排），但理论边界仍存分歧，静态编排与智能涌现路线并行发展 行业进入新阶段：底层基座稳定促使热点"降层"，Loop Engineer]]></description><category></category></item><item><title><![CDATA[CC-分层工程化设计：调用容错、流式异常与上下文压缩]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/163196153</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/163196153</guid><author>GoodMood2008</author><pubDate>Sat, 25 Jul 2026 20:50:28 +0800</pubDate><description><![CDATA[本文探讨了Agent Loop工程化实施的关键挑战与解决方案。针对线上运行常见的限流错误、流式中断和上下文膨胀问题，提出了分层设计架构：底层通过三级防御体系（限流重试、流式降级、备用模型）保障单次LLM调用稳定性；上层采用六级渐进式上下文管理机制，包括工具预算控制、交互对清理、局部优化、视图折叠、全局摘要和熔断保护，系统性地解决长会话导致的上下文溢出问题。文章强调，生产级Agent实现需要容错能力和分层治理策略的有机结合，仅依靠理论框架中的单一压缩方法难以应对实际业务场景中的各类异常。]]></description><category></category></item><item><title><![CDATA[CC-记忆管理]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/161975956</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/161975956</guid><author>GoodMood2008</author><pubDate>Sun, 14 Jun 2026 14:23:31 +0800</pubDate><description><![CDATA[文章摘要： 本文探讨了Agent记忆的核心作用及其分层管理机制。记忆使Agent具备任务延续性和个性化适配能力，分为三层：L1（静态永久记忆，如CLAUDE.md）、L2（跨会话长期记忆）和L3（当前会话短期记忆）。L2通过ForkAgent动态抽取存储用户偏好及历史摘要，L3记录临时会话数据。此外，工作记忆（如软件开发文档）可规范执行流程，提升协作效率。Claude Code的分层记忆设计为自研Agent提供了参考，其本质是通过记忆维持逻辑连续性，从而优化Agent效能。]]></description><category></category></item><item><title><![CDATA[CC-tools]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/161802351</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/161802351</guid><author>GoodMood2008</author><pubDate>Mon, 08 Jun 2026 18:10:50 +0800</pubDate><description><![CDATA[本文解析 Claude Code 工具体系，先明确工具在 Agent 中的三层定位，再详解其纵深防御设计、并发调度、多级权限链与双路径输出四大核心机制。结合实测分析了 BriefTool 的移除原因，最终指出：Agent 配套架构会随大模型迭代持续优化，Agent 本质是模型能力的延伸。]]></description><category></category></item><item><title><![CDATA[CC-读懂 Agent Loop：Claude Code 与 LangChain 架构的本质差异]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/161337693</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/161337693</guid><author>GoodMood2008</author><pubDate>Sat, 23 May 2026 16:21:36 +0800</pubDate><description><![CDATA[本文对比分析了两种Agent Loop架构：Claude Code（决策型）和LangChain DeepAgent（扩展型）。Claude Code以决策为核心，具有内建五层上下文管理、系统性自愈路径和原生模型协同等优势，适合工程编码和高强度迭代场景。LangChain DeepAgent采用插件式中间件架构，支持多代理扩展但性能开销较大。核心差异在于Claude Code采用集中式决策体系，包含退出决策、工具决策、记忆决策等闭环系统，而LangChain更侧重组件级扩展。高性能Agent开发建议直接基于]]></description><category></category></item><item><title><![CDATA[CC-Harness engneering&AI操作系统]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/159948728</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/159948728</guid><author>GoodMood2008</author><pubDate>Wed, 08 Apr 2026 11:46:56 +0800</pubDate><description><![CDATA[本文探讨了AI操作系统的核心概念Harness Engineering及其关键组件Agent Loop。文章指出，Harness Engineering作为AI操作系统的核心支撑，旨在通过持续修复大模型错误，最大化发挥LLM潜力。AI操作系统包含六大模块（大模型、工具管理、提示词管理等）和高级能力（多Agent协同等）。重点分析了Agent Loop的不同学术分类及其工程实现差异，强调实际应用中Agent Loop是高度耦合的混合体，专用系统的定制化组合比通用框架更具优势。最后提出将通过研究Claude C]]></description><category></category></item><item><title><![CDATA[AI Agent之三：上下文管理]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/158840821</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/158840821</guid><author>GoodMood2008</author><pubDate>Mon, 09 Mar 2026 16:19:20 +0800</pubDate><description><![CDATA[本文探讨了AI Agent中的上下文管理技术。上下文管理是指控制输入大模型的上下文大小，确保不超过模型限制，这是AI Agent工程化的关键。文章介绍了三层控制机制：工具截断（对大输出进行文件存储和引用）、上下文剪枝（剔除低相关性内容）和上下文压缩（总结历史信息）。这些技术通过分层阈值控制，如剪枝触发在上下文80%容量时，压缩在85%-90%时启动。文中还提供了具体场景的剪枝策略和工程化实现示例，展示了如何通过系统化方法保证AI Agent在长任务中持续高效运行。]]></description><category></category></item><item><title><![CDATA[AI Agent之二：工具]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/157654603</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/157654603</guid><author>GoodMood2008</author><pubDate>Tue, 03 Feb 2026 15:11:24 +0800</pubDate><description><![CDATA[摘要：AI Agent工具设计面临&quot;工具调用噩梦&quot;问题，表现为调用次数过多、延迟过长、上下文累积等问题。根源在于将传统编程的细粒度函数设计思维直接套用于AI场景。本文提出AI工具设计核心原则是&quot;批量聚合&quot;，应将循环逻辑封装在工具内部执行，而非依赖LLM逐次决策调用，以解决执行效率降低200万倍的问题。工具设计需考虑大模型上下文限制，返回加工后的汇总信息而非原始数据。]]></description><category></category></item><item><title><![CDATA[AI Agent之一：不可能三角]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/157292691</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/157292691</guid><author>GoodMood2008</author><pubDate>Fri, 23 Jan 2026 17:30:35 +0800</pubDate><description><![CDATA[AI Agent在2025年迎来爆发式发展，其本质是一个由大模型、上下文和应用组成的智能系统。核心挑战在于上下文管理的工程化，涉及窗口限制、注意力衰减和任务连贯性三大约束。开发者需理解AI Agent的&quot;不可能三角&quot;（准确性、延迟和成本的平衡），通过分层加载、信息压缩和目标锚定等技术优化上下文管理。当前阶段，注意力有效性取代窗口限制成为主要瓶颈，这决定了AI Agent从&quot;可用&quot;到&quot;好用&quot;的关键突破路径。]]></description><category></category></item><item><title><![CDATA[SpecKit vs Openspec怎么选择]]></title><link>https://blog.youkuaiyun.com/GoodMood2008/article/details/155751516</link><guid>https://blog.youkuaiyun.com/GoodMood2008/article/details/155751516</guid><author>GoodMood2008</author><pubDate>Tue, 09 Dec 2025 19:35:53 +0800</pubDate><description><![CDATA[摘要：SDD工具实践表明，Speckit和Openspec适用于不同开发场景。Speckit是重型工具，通过宪法→需求→方案→任务→实现的完整流程，适合从0到1的项目开发，虽耗时但能确保文档代码一致性。Openspec则是轻量级工具，通过提案→应用→归档三步操作，适合基于现有代码的批量开发。二者可组合使用：Speckit用于初始构建，Openspec处理迭代需求，而探索性验证可直接使用Vibecoding。实践证实，动手操作是掌握SDD工具的关键。]]></description><category></category></item></channel></rss>