- 博客(17)
- 收藏
- 关注
RSS订阅原创 Agent 记忆已经解决，Agent 学习还没有？
回到标题，"Agent 记忆已经解决，Agent 学习还没有？"，回答是：记得住，解决了。存储和检索的基础设施已经成熟，效果还要靠调参。记得对，有对策。冲突、过时、投毒、漂移，各家都给了对策，但大多靠人兜底，仍然是记忆的问题。学得会，刚起步。从经验到行为已经有人在做，但处于刚起步。所以接下来要做的，应该在这两件事：证明记忆一直是对的，以及证明记忆让 Agent 变好了。
2026-11-05 12:08:10
275
原创 当读者是 Agent，内容的最小单位不再是文章
在这过程中，突然联想到是否可以借鉴 Skill 的渐进式加载思路，为每篇文章提供一份面向检索的「文章说明书」，帮助 Agent 决定是否继续读取，以及从哪里开始读。普通摘要是告诉读者这篇文章讲了什么，但这个面向 Agent 的摘要说明书还需要帮助它决定：遇到什么问题应该读这篇，哪些问题不在覆盖范围内，里面有哪些可引用的判断，下一步去哪里取证据。
2026-10-19 09:00:00
286
原创 关于 Personal Agent 的几点想法：它靠什么认识你
也许现在就需要开始有意识地把散落的东西往一个地方收，不用等平台给你一份，可以先有一份粗糙的。记忆是 Agent 的，但知识库是你的。先有知识库，再谈个人 Agent。
2026-10-05 09:00:00
176
原创 如何让 LLM-as-Judge 更可信？先别让它什么都判
总结下来，可信评测的第一步是给 LLM 收权：能由程序确定的，交给程序需要理解自然语言的，让模型抽取、让程序裁决需要核验证据的，把模型限制在给定论断和证据中，并允许它弃权只有真正无法客观验证的部分，才交给 Judge（但收权也不等于可信。👇位置随机化、长度监控、多模型投票和参照锚，都只能降低偏见风险。所以，Judge 本身也需要自己的验证集和版本回归，同时测量准确率、一致性与高置信结论的覆盖率；没有把握时允许弃权。
2026-09-21 08:30:00
95
原创 不是存答案，而是存「计算进度」：KV Cache 为什么能省钱？
KV Cache 是模型服务保存下来的中间计算结果。相同的上下文再次出现时，系统可以直接复用这些结果，只计算新增的内容。但它不是完全免费，因为读取缓存、新增内容和生成答案仍然需要资源。它也不是在缓存答案，更不是模型突然拥有了长期记忆。完整过程可以概括为：第一次请求：处理全部内容 → 产生中间计算结果 → 保存可复用结果 → 生成回答 后续请求：读取已有计算结果 → 处理新增内容 → 生成新回答所以，「缓存命中为什么更便宜」的真正答案是：因为大模型不必重新完成已经做过的计算。
2026-09-07 08:45:00
336
原创 从驾驭模型到可靠行动：我对 Agent Infra 的阶段性理解
这套三层模型目前只是我的阶段性理解，至少还有几个尚未解决的问题：第一，事实源作用域更适合判断一条可靠性保证应该锚在哪里，却未必足以定义完整的架构职责。「进程内」不必然等于 Harness，「跨进程」也不必然都是 Agent 控制逻辑。第二，现实中的作用域未必只有三个离散等级。单机多进程、同一集群、多云和跨组织之间，可能存在连续变化的信任范围。第三，Harness 与控制层也不是完全隔离的。审批、超时、取消和 Session 都可能在本地执行，同时由控制层持久化和裁决。
2026-08-24 09:18:09
355
原创 用评测驱动迭代 Deep Research，我学到了什么
在实践之前，我以为评测驱动就是：准备一批问题，计算几个分数，然后用分数指导优化。真正做过一次之后，我觉得它更像是一种约束自己思考的方式。它要求我区分事实和直觉，区分相关和因果，区分「没有发现问题」和「有能力证明没有问题」。它也要求我面对一些不太舒服的结果：精心设计的方案可能无效，指标上涨可能只是噪声，甚至负责评判模型的评测器本身可能才是错的...评测驱动可能不会让每次决策都变得确定。但它能让不确定性变得更可见，让试错更有积累。
2026-08-10 09:02:24
301
原创 Agent Loop 不等于上线：Run API 与 “两本账、八张表”
现在再回头看整条链路：用户发起请求后，Run API 没有让 HTTP 一直等待，而是创建一个拥有run_id 的长期资源；数据库用状态账回答「现在在哪」，用事件账保存「如何走到这里」；八张表再把步骤、模型、工具、恢复、成本与审计补充完整。它们共同完成了一次关键转变：后端不再只响应一次请求，而是在持续管理一份可查询、可取消、可恢复、可观察的工作。当然，Run 现在只是被创建并可靠地保存了，它仍然停留在 queued 状态。接下来，是谁把任务投递出去？Worker 如何安全领取并推进状态机？
2026-07-27 09:07:51
302
原创 AI For Science：垂直 Agent 的“垂直”，并不主要来自 Prompt
垂直 Agent 的“垂直”，并不主要来自 Prompt，而来自 Harness。可以把 OpenScience 的产品思路压缩成一个公式：👉 科研工作台 = 通用 Agent Loop + 专业数据平面 + 持续计算环境 + Artifact 协议 + 研究型 Session + 可观察反馈这里模型未必因此变得更聪明，但它开始能够以更接近科研工作的方式使用自己的聪明。这也是对 Claude Science 的产品定义：科学家缺少的不是另一个更会聊天的模型，而是一套能够接住完整研究过程的工作环境。
2026-07-13 08:46:41
321
原创 从 while True 到 Loop Engineering：AI Agent 的古罗马副官
再回到开篇的那个问题：Claude Code 明明已经有两层循环，为什么还需要 Loop Engineering？现在可以这样回答：Claude Code 的query_loop解决了一个 Agent 被叫醒之后，如何调用模型、执行工具，再一轮轮把任务做下去；而 Optio 继续追问的是，当这次运行结束以后，谁检查结果，谁记住现场，谁决定要不要再次叫醒它。前者让 Agent 能够行动，后者让行动可以跨越一次会话，持续地向一个目标收敛。Agent 负责向前走，而人负责决定方向，以及哪里才是终点。🚩。
2026-06-29 08:31:17
308
原创 关于 Codex 的一点思考：为什么需要拥抱 Loop Engineering？
在并行工作流中，两个 Agent 同时修改同一个文件，就像是人类工程师在毫无沟通的情况下修改同一个代码仓库。Worktrees：👉 Codex 内置了 Git worktree 支持。这为每个并行的子任务分配了绝对干净的、物理隔离的工作目录。这完美呼应了 Anthropic 在架构中“把沙盒变成「牛」”的设计哲学：沙盒只是一个干脏活的隔离环境，大脑（Harness）可以在一个又一个隔离环境里调度代码，彼此绝不干扰。👉 这是对结果质量的保障。自己写代码的模型，往往会陷入幻觉，觉得自己写得无懈可击。
2026-06-15 08:42:14
301
原创 拆解 Karpathy 的 Autoresearch：Agent 如何进行自进化？
所以，真正有价值的，并不是 LLM 生成代码的速度又快了多少，而是人类工程师如何定义那个5分钟，如何设计那个val_bpb，以及如何规定什么可以改、什么绝对不能碰。自进化听起来很科幻，但落到工程里，其实就是：能不能为一个具体任务，搭出一套可执行、可评估、可回滚、可复用的循环？
2026-06-01 10:24:44
391
原创 当 AI 开始「做梦」：下一步不是更聪明，而是更会沉淀经验
过去的计算，像是在执行一套被人写好的控制流程；而今天的智能，更像是在上下文中调用过去沉淀下来的经验。Agent 的下一步，不是单纯追求模型参数的变大或逻辑推理的绝对完美。真正的壁垒，在于能否为它设计一套 Harness，一套完善的记忆系统，让它具备时间感。当一万个用户使用同一套底座软件时，借助柔性软件的范式和做梦沉淀的记忆，Agent 能在数字世界里，为每个人裁剪出其心仪的定制西装。它不再是一个用完即抛、每次都要重新调教的生硬工具，而是一个真正懂你、会随着岁月与你共同成长的持久伙伴。🥰。
2026-05-18 08:22:06
379
原创 把 Agent 放进生活：OpenClaw 的四个核心技术
总结一下～Channel 负责拉客入场，Gateway 负责居中调度，Node 负责撸起袖子干活，最后 Agent Runtime 负责深度思考。OpenClaw 让我们看到了一个真正的 Harness Engineer：不要假设模型不犯错，而是去建立 Gateway 来鉴权，用 Node 沙箱来阻断，用 Runtime 压缩来抵抗遗忘。它让 AI 真正走出聊天框，安全地接入用户的现实世界。🥰。
2026-05-04 08:41:25
435
原创 给 Claude Code 一个任务，它的内部发生了什么？
从外层的 Supporting Systems 支撑基建，到内层无限流转的query_loop，Claude Code 的强大源于其严密且克制的系统工程。技术概念的浪潮总是一波接着一波，但底层的本质却始终如一。希望这篇文章，可以帮助你从底层拨开 Agent 的迷雾，在动手落地的路上走得更稳一点。😊。
2026-04-20 09:40:20
384
原创 Agent = Model + Harness：一切皆是一个拉尔夫循环
要理解这一点，我们必须从大模型的视角来看待问题。🧐大模型就像一个泡在营养液里的天才大脑。它天生只能吃进数据（文本/图像），然后吐出文本。它本身做不到：在多次对话中维持持久化的记忆和状态。真的去敲击键盘执行代码。连上互联网获取实时的知识。自己搭建环境或安装各种代码包。如果我们希望Agent拥有这些能力，那就需要Harness来实现。因此，Harness工程的本质，就是以终为始：我们想要 Agent 具备什么行为，我们就在 Harness 中为大模型设计相应的外部套件。👇。
2026-04-14 09:24:55
575
原创 从 Claude Code 技术架构，看 Anthropic 的 Managed Agents 设计哲学
从本地的一段 query_loop 循环，到云端的 Managed Agents 解耦架构，正如 Anthropic 博客中写道的：挑战其实是一个古老的问题：如何为“尚未被构想出来的程序”设计系统。所以，Agent 不是一个更复杂的Chatbot，它是一套全新的计算范式。💻。
2026-04-13 12:13:35
856
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