<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[felix的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lgp10122</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lgp10122]]></copyright><item><title><![CDATA[HTML 头部元信息避坑指南：charset、lang、meta 的 10 个致命误用（附可直接抄走的模板）]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/160274380</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/160274380</guid><author>lgp10122</author><pubDate>Sat, 18 Apr 2026 11:26:44 +0800</pubDate><description><![CDATA[本文总结了HTML头部元信息中常见的10个致命错误，包括字符编码、语言声明、viewport设置、SEO元数据等方面的误用，并提供可直接复用的生产级模板。文章指出，这些看似简单的标签设置会直接影响搜索引擎收录、移动端适配、无障碍访问和社交媒体分享效果。作者基于实际项目经验，详细分析了每个错误的具体影响，如中文乱码、SEO降权、屏幕阅读器失效等问题，并给出了规范的写法建议。特别强调charset位置、lang属性、viewport设置等关键细节的重要性，帮助开发者避免常见的网页元信息陷阱。]]></description><category></category></item><item><title><![CDATA[Prompt 最佳实践周报 · 2026-04-17【第四期】]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/160274182</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/160274182</guid><author>lgp10122</author><pubDate>Sat, 18 Apr 2026 11:22:49 +0800</pubDate><description><![CDATA[文章摘要（149字） 2026年AI提示工程领域出现重大转向，从&quot;Prompt Engineering&quot;转向&quot;Context Engineering&quot;和&quot;Harness Engineering&quot;。社区共识显示，模型性能已足够强大，关键在于构建有效的上下文结构和输出标准，而非措辞技巧。本周热门技巧包括Caveman Mode（节省75% token）和95%信心度反问提示。新兴趋势强调删除冗余token、构建完整Agent驾驭系统，同时争议围绕&qu]]></description><category></category></item><item><title><![CDATA[从写代码到调模型：一个前百度工程师眼里的 Superpowers 进化论]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/160241969</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/160241969</guid><author>lgp10122</author><pubDate>Fri, 17 Apr 2026 10:44:53 +0800</pubDate><description><![CDATA[摘要 AI时代工程师的核心能力正在重构。传统依赖技术深度和编码速度的竞争力正被AI削弱，而问题定义力、架构判断力、质量审核力、AI编排力和表达力等&quot;新超能力&quot;成为关键。作者结合自身经验指出，工程师需从执行者转变为决策者，能够精准定义AI适用场景、设计多Agent协作流程，并强化技术表达与人性化交互能力。尤其强调写作能力是连接AI与人类的重要桥梁，公开输出技术思考能提升个人影响力。面对转型，建议工程师主动打破技能边界，通过项目实践和持续学习重建竞争力。AI不会取代工程师，但会重塑价值标准，]]></description><category></category></item><item><title><![CDATA[大模型从实验室到生产环境，我踩过的 10 个坑（附解决方案）]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/160087349</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/160087349</guid><author>lgp10122</author><pubDate>Sun, 12 Apr 2026 19:32:50 +0800</pubDate><description><![CDATA[很多开发者都有这样的经历：大模型在 Jupyter Notebook 里跑得好好的，一上生产环境就各种翻车——延迟飙升、内存爆炸、输出不稳定、成本失控……我在做 AI 工程化的时候，经历过多个大模型项目从 POC 到上线的全过程，踩过的坑比写过的代码还多。今天这篇文章，我把最痛的 10 个坑整理出来，每个坑都附上具体的解决方案和代码示例。有一定大模型开发基础，正在或即将把 LLM 应用部署到生产环境的工程师。一份经过实战验证的大模型生产化避坑清单，帮你少走至少 3 个月弯路。不要信任外部依赖。]]></description><category></category></item><item><title><![CDATA[Prompt 最佳实践周报 | 2026-04-10【第三期】]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/160021071</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/160021071</guid><author>lgp10122</author><pubDate>Fri, 10 Apr 2026 14:00:33 +0800</pubDate><description><![CDATA[2026年Prompt Engineering领域呈现显著进化趋势：1）从单纯指令编写发展为Harness Engineering，强调环境设计；2）Output Contract+Success Criteria成为标准模式，明确定义输出规范；3）模型特异性策略成为共识，Claude、ChatGPT等需差异化处理；4）Adaptive Prompting和Multimodal Prompting等新兴技术兴起。社区共识包括：结构优于长度、迭代优于完美、few-shot示例最可靠等。争议点围绕Prompt ]]></description><category></category></item><item><title><![CDATA[Prompt 最佳实践周报 | 2026-04-02【第二期】]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/159795142</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/159795142</guid><author>lgp10122</author><pubDate>Fri, 03 Apr 2026 13:13:45 +0800</pubDate><description><![CDATA[【2026年Prompt工程趋势速览】 范式演进：从Prompt Engineering发展为Harness Engineering（环境设计），仅优化AI运行环境即可提升13.7%性能得分 关键技巧： Claude专属XML标签法（准确率+23%） 苏格拉底式提问（质量评分从6.2→9.1） 输出契约模式（明确定义成功标准） 结果导向取代步骤指令 社区共识： 100-300词为最佳Prompt长度 Few-shot示例仍是最可靠质量提升手段 自检步骤应内置在Prompt中 新兴实践： 项目标配AGENTS]]></description><category></category></item><item><title><![CDATA[Prompt 最佳实践调研报告【第一期】]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/159598524</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/159598524</guid><author>lgp10122</author><pubDate>Sun, 29 Mar 2026 08:37:16 +0800</pubDate><description><![CDATA[2026年Prompt工程最佳实践调研摘要 调研覆盖ChatGPT、Claude等主流AI工具，数据来自Reddit、Twitter等技术社区。核心发现： 热门技巧Top3： 澄清元提示（让AI先提问再回答） 苏格拉底式提问（用问题引导而非指令） 合同式提示（明确成功标准和输出规格） 关键共识： 结构化&gt;长度，清晰格式胜过冗长描述 具体角色设定效果优于泛化角色 Prompt质量比模型选择更重要 新兴趋势： 从Prompt工程转向Harness工程（优化AI运行环境） Agent工作流成为主流，强调系统]]></description><category></category></item><item><title><![CDATA[10 Agent 创业地图：如何从 0 到 1 获得你的第一个付费客户]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/159113019</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/159113019</guid><author>lgp10122</author><pubDate>Mon, 16 Mar 2026 08:58:45 +0800</pubDate><description><![CDATA[《AI Agent 商业化实战》专栏收官之作聚焦AI技术的商业落地，为&quot;Agent架构师&quot;提供创业指南。文章提出四阶段路径：1）挖掘垂直领域高价值痛点（如跨境电商申诉、医疗卷宗分析）；2）构建最小可用智能体（MVA），专注单一环节深度解决；3）采用效果导向定价（分成、节约成本等模式）；4）用ROI演示打动客户。作者强调2026年AI创业需保持敏捷，善用现有技术栈，重视私有数据积累，并指出&quot;卖效果&quot;比&quot;卖软件&quot;更具商业潜力。最后呼吁读者从技术实践转向]]></description><category></category></item><item><title><![CDATA[09 部署与成本控制：Serverless 架构下 Agent 的 Token 优化艺术]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/159084217</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/159084217</guid><author>lgp10122</author><pubDate>Sun, 15 Mar 2026 16:09:17 +0800</pubDate><description><![CDATA[成本控制不是为了抠门，而是为了**“规模化”**。当你的单次获客成本从 5 元降到 0.5 元时，你就拥有了清场级的竞争力。我们已经掌握了从技术到商业、从安全到成本的所有 Agent 知识。那么，如何在这个波澜壮阔的 2026 年，迈出你 Agent 创业的第一步？]]></description><category></category></item><item><title><![CDATA[08 防腐层与人机协同（HITL）：如何防止 Agent 逻辑失控与“幻觉”风险]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158963159</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158963159</guid><author>lgp10122</author><pubDate>Thu, 12 Mar 2026 10:59:07 +0800</pubDate><description><![CDATA[没有刹车的赛车跑得越快，死得越惨。通过防腐层和 HITL，我们不是在限制 Agent 的能力，而是在定义它的商业安全区。只有当 Agent 变得“可控”且“可预测”时，它才能真正规模化地进入银行、医院、律所等高价值行业。搞定了安全性，我们的 Agent 帝国已经稳如泰山。接下来，我们要面对最后一个、也是最现实的挑战：如何在这个昂贵的 Token 时代，把成本压到极致，让你的生意不仅能跑通，还能赚大钱。]]></description><category></category></item><item><title><![CDATA[07 变现案例 B：基于 Agent 的“垂直行业内容生产工厂”]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158883898</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158883898</guid><author>lgp10122</author><pubDate>Wed, 11 Mar 2026 08:48:48 +0800</pubDate><description><![CDATA[基于 Agent 的内容生产工厂，其本质是将“创意”工程化。当你把一套原本需要 5 人团队完成的深度内容产出流程，通过 Agent 压缩到 5 分钟且 1 元 Token 成本时，你就是在利用技术杠杆降维打击所有的同行。搞定了内容（流量）和销售（转化），一个 Agent 商业化帝国的基本版图已经成型。但作为这个帝国的 CEO，你最担心的可能不是没钱赚，而是“智能体失控”。]]></description><category></category></item><item><title><![CDATA[06 变现案例 A：构建一个全自动化的“私域获客与销售”智能体]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158854050</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158854050</guid><author>lgp10122</author><pubDate>Tue, 10 Mar 2026 11:40:18 +0800</pubDate><description><![CDATA[《AI Agent商业化实战》专栏第六篇探讨如何构建全自动化私域获客与销售智能体。文章拆解了从实时监听、需求识别到高情商触达的完整SOP流程，重点分享了意图识别技术和高情商触达策略。相比传统销售团队，AI Agent可实现24小时运转，获客成本降低90%，建议采用CPS分成模式与B端合作。同时强调需规避封号风险，确保合规运营。案例证明AI Agent能有效将销售能力转化为可复制的数字生产力，实现自动化变现。下篇将探讨Agent在垂直内容生产中的应用。]]></description><category></category></item><item><title><![CDATA[05 Multi-Agent 协作：如何通过“开会”解决单模型搞不定的复杂工程]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158846235</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158846235</guid><author>lgp10122</author><pubDate>Mon, 09 Mar 2026 16:05:52 +0800</pubDate><description><![CDATA[《Multi-Agent协作：构建高效数字团队》摘要（150字） 本文探讨了AI Agent商业化的进阶形态——多智能体协作系统。通过分析单体模型的局限性，提出了三种主流协作架构：顺序流、主从式和群聊式。文章以&quot;自动化软件外包公司&quot;为例，展示了产品经理、开发者和审核者的协作流程，并分享了基于LangGraph的核心代码实现。重点讨论了对抗性审查的价值和避免沟通损耗的优化方案，最后指出商业化关键在于将AI系统定位为&quot;数字部门&quot;而非工具。这种组织化运作方式可带来10倍的成]]></description><category></category></item><item><title><![CDATA[04 机械臂的进化：让 Agent 像老架构师一样编排 API 与数据库]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158812529</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158812529</guid><author>lgp10122</author><pubDate>Sun, 08 Mar 2026 21:59:54 +0800</pubDate><description><![CDATA[工具调用让 Agent 从“空谈家”变成了“实干家”。当它能熟练地在搜索、数据库和 API 之间穿梭时，它在企业眼中的价值将呈指数级增长。但是，一个人的力量终究是有限的。当你面对一个需要同时处理财务、技术、法务的复杂项目时，一个全能型 Agent 往往会因为过于臃肿而“死机”。这时候，我们需要的是——一支 AI 团队。]]></description><category></category></item><item><title><![CDATA[03 记忆宫殿：如何利用 MCP 与向量数据库构建 Agent 的长短期记忆]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158812514</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158812514</guid><author>lgp10122</author><pubDate>Sun, 08 Mar 2026 21:59:21 +0800</pubDate><description><![CDATA[《AI Agent商业化实战》专栏第三篇探讨如何为AI Agent构建长效记忆系统。文章提出三级存储架构：短时记忆(对话上下文)、长时语义记忆(向量数据库存储静态知识)和长时情境记忆(MCP协议存储动态业务数据)。针对向量检索的时效性差和精准度不足问题，作者提出&quot;向量库+MCP&quot;的双修方案，通过Python代码示例展示如何融合静态知识和实时数据。进阶技巧包括记忆压缩、重要性评分和MCP反向写入。文章预测未来将出现&quot;记忆可携带&quot;趋势，并强调记忆是建立商业粘性的关键。文末]]></description><category></category></item><item><title><![CDATA[02 大脑进化：ReAct、CoT 与智能体的规划（Planning）能力实战]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158694784</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158694784</guid><author>lgp10122</author><pubDate>Thu, 05 Mar 2026 14:13:59 +0800</pubDate><description><![CDATA[《AI Agent 商业化实战》专栏探讨了提升Agent规划能力的核心方法。文章指出，当前Agent面临的核心瓶颈是规划能力而非逻辑能力，并对比了CoT（分步推理）、ReAct（边想边做）和Planning（全局规划）三种思维框架。通过&quot;Plan-Execute-Reflect&quot;架构和断路器机制，可避免Agent陷入死循环等商业风险。文章还介绍了高级的ToT（思维树）方法，以及2026年企业采用的&quot;执行+治理&quot;双Agent模式。最终强调，商业场景中Agent的确定性比]]></description><category></category></item><item><title><![CDATA[01 你的 AI 还在聊天，别人的 AI 已经开始“养家”了：2026 年 Agent 商业化底层逻辑全拆解]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158649532</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158649532</guid><author>lgp10122</author><pubDate>Wed, 04 Mar 2026 10:26:10 +0800</pubDate><description><![CDATA[很多人担心：如果大模型厂商（如 OpenAI、Anthropic）自己做了 Agent 怎么办？通用 Agent 属于巨头，垂直场景的“脏活累活”属于你。大模型知道“怎么写代码”，但它不知道你公司数据库里那张表叫什么名字，也不知道你家客户最讨厌哪种沟通语气。我们在上个专栏聊过的，就是你构筑壁垒的杀手锏。通过 MCP，你为 Agent 接上了独一无二的私有数据接口。这些“私有连接”，才是 AI 时代的“护城河”。你是那个“指挥 AI 赚钱”的人，还是那个“被 AI 优化掉”的人？]]></description><category></category></item><item><title><![CDATA[10 从 MCP 到 AGI：标准协议如何重塑人类与机器的共生未来]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158585467</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158585467</guid><author>lgp10122</author><pubDate>Mon, 02 Mar 2026 22:44:44 +0800</pubDate><description><![CDATA[本文探讨了MCP协议在AGI发展中的关键作用，指出标准协议是连接AI与数字化世界的&quot;神经纤维&quot;。作者认为AGI不应是孤立系统，而应通过协议实现广泛连接，使AI从被动应答进化为自主智能体。文章展望了未来&quot;意图导向&quot;的人机交互模式，并提出了&quot;元协议服务器&quot;的构想。作为专栏终章，本文回顾了从基础协议到商业化应用的完整知识体系，强调开发者需把握AI基础设施建设的机遇。最后邀请读者参与下一专题的选题互动。]]></description><category></category></item><item><title><![CDATA[09 MCP 生态变现：如何构建并分发你的 MCP 工具包]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158542445</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158542445</guid><author>lgp10122</author><pubDate>Sun, 01 Mar 2026 19:30:46 +0800</pubDate><description><![CDATA[变现不是终点，而是持续迭代的动力。当你通过 MCP 赚到了第一笔授权费或订阅费时，你才真正跨越了“技术发烧友”到“AI 创业者”的鸿沟。我们要卖的不是代码，而是“让 AI 变强的说明书”。]]></description><category></category></item><item><title><![CDATA[08 Claude Desktop 集成指南：让 AI 成为你的超级本地管家]]></title><link>https://blog.youkuaiyun.com/lgp10122/article/details/158536568</link><guid>https://blog.youkuaiyun.com/lgp10122/article/details/158536568</guid><author>lgp10122</author><pubDate>Sun, 01 Mar 2026 10:53:16 +0800</pubDate><description><![CDATA[《Claude Desktop集成指南：让AI成为操作系统级管家》 本文介绍了如何通过MCP协议将Claude AI深度集成到操作系统中，使其从聊天机器人升级为全能数字管家。核心内容包括：1)通过修改JSON配置文件连接MCP Server；2)三大实用场景：本地知识库检索、智能文件管理、Docker监控；3)多工具链协同执行复杂任务；4)常见问题解决方案。文章展示了AI如何直接操作系统资源完成实际工作，预告了下篇将探讨MCP生态的商业化变现路径。]]></description><category></category></item></channel></rss>