morning_judger-优快云博客

原创 Agent开发系列（十二）-知识库建设（ADR）

ADR（架构决策记录）是一种用于记录重要技术决策的文档规范，包含编号、状态、背景、选项、决策理由和后果等核心要素。本文重点介绍在知识库中，如何管理ADR的知识模板、更新机制、质量标准。

2026-06-07 14:45:44 321

原创 Agent开发系列（十一）-知识库建设（知识地图）

知识地图是动态更新的团队能力快照，核心价值在于解决"找谁协作"问题而非信息堆砌。其设计遵循三大原则：1）数据自动同步（HR/CODEOWNERS为源），避免人工维护；2）模块化模板设计（服务×人、角色×联系方式等5类），区分公开/敏感信息；3）质量以时效性为先（指标包括覆盖率、新鲜度等）。

2026-06-07 14:07:30 334

原创 Agent开发系列（十）-知识库建设（架构总览）

本文提出了一种基于代码自动生成的架构总览方法论。核心观点是架构总览应该是代码的实时映射（影子），而非人工编写的文档。文章详细定义了架构总览的五大结构化模板（总览页、服务清单、依赖图、技术栈矩阵和部署拓扑），强调其查询属性而非阅读属性。同时，补齐了架构总览的知识模板、更新机制、质量标准等

2026-06-07 13:15:19 339

原创 Agent开发系列（九）-知识库建设（领域词典）

本文重点介绍了知识库建设中，如何建设领域词典。第一部分介绍了：领域词典不限于知识库；后面又逐步介绍了领域词典的模板、更新机制、质量标准，以及其冷启动方法。

2026-06-07 11:34:59 689

原创 Agent开发系列（八）-组织知识库建设

本文提出了一套基于LLM的研发知识库分层架构与管理机制。知识库分为三层：RawSources层（只读原始数据，如代码、PR、监控）、Wiki层（LLM生成的消费级知识，如架构图、API文档）和Schema层（人工定义的规则与分类体系）。

2026-06-07 10:14:36 1293

原创 AI文章解读（四）-2026年企业如何构建AI智能体

AI 在企业的竞争,已经从"模型能力竞争"切换到"上下文密度竞争"

2026-06-07 09:32:49 370

原创 Agent开发系列（七）-可观测性Agent的设计

本文阐述了Agent安全场景下可观测性的特殊挑战与设计方法。主要内容包括：三层次可观测性设计（日志、追踪、指标）

2026-06-06 22:12:06 378

本文系统分析了Agent开发中的安全风险，提出了五层防御体系。风险分为P0-P3四个优先级，重点包括工具滥用、数据泄露、Prompt注入等。防御体系涵盖输入拦截、上下文隔离、工具管控、输出过滤和审计追溯，并强调可观测性和降级熔断两项基础能力。特别指出模型层风险需特殊处理，工具层决定损失上限，多Agent系统存在级联放大风险。建议采用结构化输入校验、Capability-based访问控制、敏感信息检测等措施，同时建立完备的监控和应急响应机制。整体架构通过分层防御和基础能力建设，实现Agent系统的安全可控。

2026-06-06 21:48:25 834

原创 AI文章解读（三）-Karpathy LLM Wiki

Andrej Karpathy提出"LLMWiki"概念，颠覆传统RAG系统的知识管理方式。传统RAG每次查询需重新检索和拼凑信息，缺乏积累；而LLMWiki通过LLM主动构建和维护结构化Markdown知识库，实现知识的持久化、关联化与动态更新。

2026-05-31 16:11:15 584

原创 Agent开发系列（五）-Agent中如何建设个性化记忆？

本文提出了一种基于金字塔架构的Agent个性化记忆系统，该系统通过四层结构实现用户特征的渐进式抽象。底层交互历史层存储原始交互数据，偏好记忆层提取用户偏好标签，长期知识层记录客观事实，顶层的用户画像层形成高度抽象的用户特征描述。

2026-05-31 15:51:43 322

原创 Agent开发系列（四）-如何做记忆压缩？

记忆压缩是解决Agent系统长期运行中信息过载的核心技术，通过平衡信息保留与存储成本，实现高效运行。其目标包括控制存储规模、提升检索效率和保持关键信息。压缩方法可分为三类：规则压缩：如截断、时间衰减，简单高效但可能丢失重要信息。智能抽取：如关键词提取、语义去重，保留核心语义但依赖模型质量。生成式摘要：如多粒度摘要、增量摘要，质量高但计算成本较大。

2026-05-31 14:42:10 436

原创 Agent开发系列（三）-记忆检索策略

文章摘要：记忆检索旨在解决海量数据下的高效信息查找问题，面临语义匹配、上下文限制、时效性等挑战。主流方法包括：1）向量检索（语义相似度计算，适合高精度但算力要求高）；2）关键词检索（精确匹配，速度快但缺乏语义理解）；3）标量检索（结构化字段过滤，高效但需预定义）；4）时间检索（时序数据优化）。混合检索可平衡优缺点。优化需结合数据规模、召回率、内存等因素，例如小数据用HNSW，大数据用分层聚类。时间检索可通过分区、冷热分离、预聚合提升效率。

2026-05-31 11:48:12 931

原创 Agent开发系列（二）-记忆系统的设计

本文提出智能Agent的四层记忆系统设计：工作记忆、短期记忆、长期记忆、永久记忆；并说明了四层记忆的协同机制，包括写入流程、读取策略等

2026-05-31 10:52:55 359

原创 Agent开发系列（一） - Agent系统分层架构

Router决定"谁来处理"，Planner-Executor决定"怎么处理"，Human in the Loop决定"处理得对不对"——三者分别是Agent系统的入口层、执行层、控制层，共同构成完整的Agent架构。

2026-05-30 15:35:22 294

原创 AI文章解读（二）-Claude Managed Agents 内存功能解读

【摘要】Anthropic发布了Claude托管代理的"内置内存"功能，突破传统AI会话无记忆的局限，实现跨会话持续学习。该功能通过文件系统存储记忆，支持智能筛选、版本控制与权限管理，满足企业级安全需求。实际案例显示，该功能可减少97%重复错误，提升30%文档处理效率。作为企业AI解决方案的关键环节，内存功能与代码理解、安全部署共同构成完整技术栈，适用于复杂任务场景，现已开放测试。

2026-05-30 12:36:02 408

原创 AI文章解读（一）-Claude Code在大规模代码库中的应用指南

Anthropic团队发布的这篇文章系统介绍了Claude Code在大型代码库中的应用方案。核心创新点在于其agentic搜索机制，不同于传统RAG工具，它通过实时遍历文件系统工作，无需维护代码索引。

2026-05-30 12:13:16 491

原创 OpenClaw学习笔记（1）全局系统架构

用户请求 -> 控制面（Web UI、CLI Tools） -> Gateway（安全认证、路由分发） -> 消息通道（归一化） -> 核心引擎（模型）<-> 扩展层（Skills、Cron Job、Plugins） -> 响应返回。

2026-03-29 11:00:05 571

原创 JavaScript封装演进史：从全局变量到闭包

本文系统介绍了JavaScript封装的概念与实现方式。首先解释了封装的定义及其必要性（提高安全性、降低耦合），随后梳理了JS封装的历史演进：从早期的全局变量污染，到命名空间模式、闭包与IIFE的应用，再到模块化标准（CommonJS、AMD、ES6 Modules）。重点剖析了闭包这一核心封装技术，详细说明了其7个典型应用场景：数据私有化、函数工厂、回调上下文、记忆化、柯里化、模块模式及React Hooks，并提供了代码示例。最后指出闭包的内存占用等性能注意事项。全文通过技术演进路线和实用案例，完整呈现

2025-12-13 22:48:36 1073

原创【AI大模型系列】DeepSeek V3的混合专家模型机制-MoE架构（八）

的核心思想是将输入数据分配给不同的专家子模型，然后将所有子模型的输出进行合并，以生成最终结果。这种分配可以根据输入数据的特征进行动态调整，确保每个专家处理其最擅长的数据类型或任务方面，从而实现更高效、准确的预测。

2025-03-30 17:08:29 1133

原创【Python学习系列】数据类型（二）

【代码】【Python学习系列】变量类型（二）

2025-01-12 16:12:23 761

原创【Python学习系列】基础概念学习（一）

在Python中，引号用于定义字符串。Python支持单引号（‘）、双引号（"）和三引号（’‘’ 或 “”"）来创建字符串。Python使用缩进来定义代码块，而不是像其他语言那样使用大括号 {}。

2025-01-12 15:53:46 742

原创【AI资讯汇总】2025年01月第二周

目录开源推理AI模型Sky-T1横空出世，训练成本不到 450 美元NVIDIA 与联发科联手推出迷你 AI 超级计算机智谱GLM-4-9B模型幻觉率仅1.3%，在全球大模型评测中夺魁谷歌AI平台再升级，AI Studio和Gemini团队转入DeepMind加速研发开源推理AI模型Sky-T1横空出世，训练成本不到 450 美元NVIDIA 与联发科联手推出迷你 AI 超级计算机智谱GLM-4-9B模型幻觉率仅1.3%，在全球大模型评测中夺魁

2025-01-12 13:30:52 966

原创【AI大模型系列】AI Agent与LangChain框架介绍（七）

LangChain是一个用于开发由语言模型驱动的应用程序的框架。LangChain 库：Python 和 JavaScript 库。包含了各种组件的接口和集成，一个基本的运行时，用于将这些组件组合成链和代理，以及现成的链和代理的实现。LangChain 模板：一系列易于部署的参考架构，用于各种任务。（类似于SpringCloud）LangServe：一个用于将 LangChain 链部署为 REST API 的库。（类似于API网关）LangSmith。

2025-01-01 17:06:46 1099

原创【AI大模型系列】提示词高级技巧（六）

对于ChatGPT和国内公司推出的绝大多数AI大语言模型而言，中文都是其支持得较为不错的语言之一，因此对于绝大多数问题（95%以上），使用中文完全没有问题。但如果你发现某些回答不尽如人意，转用英文提问是一种可尝试的方案，因为英文是大多数AI大语言模型训练语料最丰富的语言之一，即使是国内大模型也使用了很多英文语料进行训练。在与AI大语言模型交互时，有时会遇到幻觉现象，即AI大语言模型输出的内容可能并不一定是真实存在的，AI大语言模型可能会给出看似合理但实际上是错误的回答。

2025-01-01 10:49:00 774

原创【AI大模型系列】提示词进阶技巧二（五）

我们通常可以通过约定输出格式、通过样本约束输出格式。

2024-12-29 16:39:12 766

原创【AI大模型系列】提示词进阶技巧一（四）

在学术界，举例的方法包括：少量样本提示（Few-shot Prompting）、单样本提示（One-shot Prompting），通常随着样本提示数量的增加，样本生成的准确性也会相应的提升，通常而言，7～10个样本提示会取得较好的效果。少量样本提示虽然解决了AI大语言模型理解上的问题，能够适用于许多任务，但如果遇到了需要推理的复杂任务时，少量样本提示就无能为力了，因为模型无法从少量样本提示中学习到完整的推理过程。通过这样的方式，你可以从多个维度获取全面的信息和建议，帮助你更好地进行决策和规划。

2024-12-29 15:47:50 857

原创【AI资讯汇总】2024年12月第四周

目录OpenAI发布o3：AI 推理能力的重大突破，得分高达 87.5%阿里通义千问Qwen开源视觉推理模型QVQ-72B-PreviewOpenAI推出ChatGPT新记忆功能:能跨对话回忆用户交流OpenAI发布ChatGPT宕机故障详细报告：只因一个小更改导致https://www.aibase.com/zh/news/14162OpenAI发布o3：AI 推理能力的重大突破，得分高达 87.5%阿里通义千问Qwen开源视觉推理模型QVQ-72B-PreviewOpenAI推出ChatGPT新记忆功能

2024-12-29 13:42:01 733

原创【AI大模型系列】提示词基础技巧（三）

在分步提问的过程中，你可以和AI大语言模型“协同思考”，在每次提问获得AI大语言模型反馈后，利用自己的智慧结合AI大语言模型的回答，分析并及时调整下一步的提问方向，以便得出比AI大语言模型自身推理所能得到的更好的最终答案。5W是指When（什么时间）、Who（什么人）、Where（什么地方）、Why（什么原因）、What（什么事情），1H是指How（怎么做）使用角色扮演是一种效果非常显著的策略，AI大语言模式不仅能采用与角色相符的语言风格和表达方式，还能模拟特定角色的思维模式和行为。

2024-12-29 12:25:33 1114

原创【AI大模型系列】常用的提示词框架（二）

输入部分包含了AI执行任务所需的数据或信息。：这是框架的第一部分，它明确了你希望AI执行的具体任务或动作。这可以包括任务的背景、目的、历史信息或其他任何有助于AI更好地理解和执行任务的信息。：提供关于请求的详细上下文和背景信息，帮助AI更准确地理解需求和面对的具体情境，使得生成的回答更加贴近实际问题和目的。：定义AI在对话中扮演的角色，如专家、顾问、朋友等，为对话建立框架，让AI知道应该以何种专业角度或风格来回答。：设定的可量化或具体的结果，用于衡量是否达到了目标，确保得到的答案是可衡量和实际的。

2024-12-28 23:35:57 3837

空空如也

空空如也