- 博客(96)
- 收藏
- 关注
RSS订阅
原创 Pi Agent 架构与关键功能全解析
当用户用/tree切换到不同分支时，Pi 会提议把即将放弃的分支内容摘要后注入新分支，避免上下文丢失，机制与压缩共享同一套结构化摘要格式与文件追踪逻辑。分层解耦，单向依赖：LLM 抽象（pi-ai）、Agent 引擎（）、编码场景实现（）、UI（pi-tui）、协议（clientserver）各自独立，任何一层都可以被单独替换或复用。事件驱动而非过程式：Agent 循环、工具执行、会话变更全部通过结构化事件（/…）暴露，UI、扩展、遥测都是事件的订阅者，彼此不感知。状态可持久化、可恢复。
2026-08-29 16:34:47
447
原创 Pi 的交付层：TUI 渲染、包分发与配置治理
系列第 08 篇。前面七篇讲的都是"Agent 怎么想、怎么做、怎么存"，这一篇讲最后一公里：结果怎么呈现给用户（pi-tui）、能力怎么分发给用户（Pi Packages）、配置怎么组织（Settings）、以及会话怎么被远程访问（协议三件套）。这些是"能用"和"好用"之间的差距所在。
2026-09-24 11:11:23
355
原创 Pi 会话数据模型与持久化格式
多数 Chat 应用把对话存成线性消息数组。经常需要"回到某一步换个思路重试"。线性存储下要支持这件事，只有两个选择：要么截断（丢失被放弃的分支）、要么复制成新文件（分支之间失去关联，无法对比）。树结构直接解决了这个问题——每个 entry 有idparentId，当前位置是"活跃叶子节点"，从任意历史节点长出新分支只是"新 entry 的parentId指向那个节点"。I can..."
2026-09-24 11:10:16
204
原创 Pi 模型与 Provider 治理层
系列第 06 篇。前五篇讲的是"Agent 怎么跑"，这一篇讲"跑在什么模型上"。Pi 支持 30+ Provider、订阅/API Key/OAuth 三种鉴权、内置目录/远程目录/用户自定义/扩展注册四层模型来源——把这些异构性收敛成"一个模型列表 + 一次/model选择"的，是这一层。这是 Pi 里最不起眼但最影响可用性的设计。
2026-09-24 11:05:05
123
原创 Pi Agent 的 Token 成本控制：为什么核心是 Prompt Cache 前缀稳定性
定义：“上一轮请求的 prompt 里已经有的内容（理论上这轮应该整段从缓存读），实际却没从缓存读到的部分”。取是因为这轮 prompt 可能比上轮短（压缩后），只能按两者较小值来算"本应命中的上限"。的噪声地板很重要：缓存断点有粒度（block 级别），每轮总会有几百 token 落在断点之外，这是机制固有的，不算浪费。只有超过 1024 token 的 miss 才计入——避免每一轮都报一个无意义的"你浪费了 200 token"警告，让告警本身失去信号价值。
2026-08-29 16:55:41
213
原创 Pi Agent 长任务处理：从工具超时到会话恢复的六层机制
压缩/分支摘要调用 LLM 生成摘要文本时（见第 5 节），也复用同一份做重试（）——这个设计避免了"正常对话轮次有重试保护，但压缩这一步本身的 LLM 调用一失败就直接判整个压缩失败"的不一致体验：一次瞬时的流断开不应该让整个长任务在压缩这一步彻底卡死。
2026-08-29 16:53:23
190
原创 Pi 多 Agent 协作机制与上下文管理详解
-----...Agent职责模型工具scout快速侦察，返回压缩后的结构化上下文Haiku（便宜快）planner基于侦察结果制定实施方案Sonnetread/grep/find/ls（只读）reviewer代码评审Sonnetworker通用实现，全部默认工具Sonnet默认全部工具发现规则agents.ts的默认，只加载传入或"both"才会额外加载（沿目录树向上找最近的.pi/agents"both"模式下同名 Agent，项目级覆盖用户级（Map按name。
2026-08-29 16:50:07
245
原创 Pi 主要应用场景与 pi-coding-agent 详细设计
本身是一个可编程的 npm 包，});session.subscribe((event) => { /* 渲染到自定义 UI */ });");适用于：给桌面/Web IDE 接入 Agent 面板、给内部工具加一个"用自然语言操作代码库"的入口、构建定制化的编码助手产品。同进程、要类型安全、要直接读写 Agent 状态选 SDK；跨语言、要进程隔离选 RPC。
2026-08-29 16:43:17
274
原创 你以为所有市场都一样？它们根本不是同一种生物
你有没有过这种经历：在A股追强势股，追一次亏一次。后来听说商品期货趋势性好，跑去做了几笔，发现追涨好像能赚钱了。于是自信心爆棚，拿着同样一套方法去做国债——结果又被按在地上摩擦。这不是你运气不好。我做交易头两年，最大的错觉就是：所有K线图都是K线图，红涨绿跌，多空两向，有什么不同？后来被市场教育了无数次才明白——股票指数的涨跌逻辑和甲醇的涨跌逻辑、和国债的涨跌逻辑，是三种完全不同的生物。你用同一套方法去交易它们，就像用同一个钥匙去开三把不同的锁。
2026-07-20 19:03:52
222
原创 LLM 网关是什么，为什么每个多模型团队都绕不开它
一年前接大模型很简单：拿一个 OpenAI 的 key，写几行调用代码，上线。现在再看这套代码，负责 AI 集成的工程师大概都眼熟：调用逻辑里塞了三个供应商的分支判断，key 直接写在各个微服务的环境变量里，成本没人算清楚，出了敏感数据也不知道拦在哪一层。想从 GPT-4o 切一半流量到 Claude，改动牵扯到七八个文件。问题不在于谁代码写得差，而在于大模型调用早就不只是"调一个 API"了——它是一条需要治理的管道。LLM 网关（LLM Gateway）就是这条管道的治理层。
2026-07-13 15:19:31
400
原创 Loop Engineering — 从“写 prompt“到“设计循环“，AI Agent 的下一次进化
Loop 的本质是一个递归目标：你定义一个目的，AI 不断迭代（调用子 agent、验证、读写外部状态），直到目标完成或循环主动上交给你。维度普通会话Loop触发方式手动输入 prompt定时器 / 事件自动触发状态上下文窗口（易丢失）持久化文件/数据库（跨轮次）范围单次 task持续执行 + 自我调度验证人眼检查子 Agent 分角色验证自我迭代无基于状态文件和过去运行记录Loop Engineering 不是关于让 AI 完全取代你。恰恰相反——
2026-06-15 16:33:32
387
原创 Claude Code 为什么放弃 RAG：用 grep 干代码搜索的真实架构
Claude Code 早期版本是用 RAG 的。Anthropic 团队后来在内部 benchmark 里发现：换成 agentic search——也就是让模型自己去grepglobread——在代码场景下"性能大幅超越其他方案"。这句话来自 Boris Cherny 的播客原话。我读到时还挺意外，毕竟这两年大家默认"做代码 agent = 上 RAG"。后来翻完它的实现细节，才明白这不是简单的"grep 比向量搜索好"，是一次更深的设计判断。
2026-06-03 18:45:45
212
原创 Agent Eval 最佳实践：从 Benchmark 到生产监控的完整落地指南
Benchmark 和生产环境之间的鸿沟，不是模型能力问题，是评测方法论问题。这篇文章把大厂的 Agent Eval 实践拆开，给你一套可以直接落地的方案。
2026-06-03 18:43:54
687
原创 AI 写代码比你快 10 倍，你还剩什么？——读 mattpocock/skills
那些过去被认为"老掉牙"的东西——TDD、DDD、XP、模块化设计——在 AI 时代不是过时了，是第一次有了能落地的载体。它们过去靠工程师自己的自律执行，大多数时候执行得很差。它们现在能靠 skills 让 AI 帮你执行，一致、不疲倦、可以版本化和迭代。Kent Beck、Eric Evans、John Ousterhout、Andrew Hunt 这些人写的书，过去二十年里被引用得最多，被实践得最少。AI 让这件事第一次有可能反过来。写代码本身会越来越容易，懂得"为什么这样写"会越来越值钱。
2026-05-25 19:34:39
842
原创 一份来自 Karpathy 的 AI 编程 skill
我特别想唠一下：这份 skill 只有 100 行。作为对比，Karpathy 的原帖是接近 3000 字的散文。社区做的事不是"把 3000 字浓缩成 1000 字"，是浓缩成 100 行 markdown，4 个章节，每章 4-5 个 bullet point。为什么这么短？因为 skill 是给 LLM 看的，不是给人看的。LLM 的 context window 是有限的——你写得越长，每次激活时占用的 token 就越多，模型对它的注意权重就越分散。
2026-05-25 19:24:33
729
原创 普通人做量化选哪个市场：币圈死最快，A股活最久
任何已经调对策略的人都不再是普通人——他可以去任何市场。但如果你正在读这篇文章而且在认真考虑这个问题，你大概率属于"还在调试"的状态。这个状态下你最需要的不是高波动、高杠杆、高自由度——是。
2026-05-19 18:48:09
411
原创 从龙虾到爱马仕：一个老虾农的“叛逃“实录
2026 年的 AI Agent 赛道，卷得像 2015 年的共享单车。OpenClaw 打了样之后，各种"龙虾杀手"跟下饺子似的往外冒——Nanobot、NanoClaw、Hermes、还有一堆叫不上名字的。但 Hermes 不一样。它不是又一个"我也能做 OpenClaw 做的事"的 me-too 产品。AI 助手应不应该随着使用变得更好？OpenClaw 的答案是"不需要，用户自己会调教"。Hermes 的答案是"当然应该，这才是 Agent 存在的意义"。我选后者。
2026-04-16 09:13:11
927
原创 读懂加密市场（四）：交易者的内功
前三篇讲的是"外功"——市场规则、认知框架、操作方法。这一篇讲"内功"——心理、资金管理、执行纪律和工作流。交易这条路，技术只占两成，内功占八成。在关键时刻，摧毁你的从来不是一根 K 线——而是你看到那根 K 线之后，大脑里升起的那团火。管住那团火，你就赢了一半。这篇文章包含四个部分：人类大脑经过几百万年进化，非常擅长在丛林中生存——但并不擅长做交易。很多在日常生活中合理的直觉反应，放到交易里往往适得其反。亏 $1,000 的痛苦是赚 $1,000 快乐的 2-2.5 倍。交易中的表现：亏损的仓位不愿止损（
2026-04-15 20:19:41
627
原创 读懂加密市场（三）：合约、DEX 与工具
衍生品数据（Coinglass）+ DEX 数据（DEX Screener）+ 链上追踪（Arkham）+ DeFi 分析（DefiLlama）+ 图表工具（TradingView），覆盖了交易决策的完整链条。安全扫描工具（TokenSniffer 等）和 DEX 聚合器（1inch / Jupiter）已在前文操作流程中介绍，此处不再重复。
2026-04-15 20:15:30
526
原创 读懂加密市场（二）：建立你的认知框架
上一篇我们了解了市场的游戏规则——定价机制、交易成本、做市商行为和 MEV。这些是"硬件层"的知识。但光懂硬件不够，你还需要一套——知道看什么指标、怎么判断时机、如何评估一个代币是否值得参与。学会正确读数据、做决策，是从"凭感觉交易"到"有系统地交易"的关键一步。
2026-04-15 20:09:29
566
原创 读懂加密市场（一）：加密市场的游戏规则
你在 DEX 上点击"Swap"后，交易进入公开的交易内存池（Mempool），等待被打包。交易内容是公开的：任何人都能看到你要买什么、买多少区块构建者可以排列交易顺序：可以在你的交易前后插入其他交易这就给了 MEV 搜索者（运行机器人的技术团队）提取利润的空间。
2026-04-15 20:01:35
576
原创 读懂加密市场：系列总览
加密市场确实复杂，但复杂不等于不可理解。这个系列的每一篇都在帮你把复杂的事情拆解成可理解、可操作的框架。理解规则的人，才能在规则中找到自己的优势。让我们开始吧。欢迎关注coft，获取 AI 与加密货币领域的最新动态和深度分析。
2026-04-15 19:51:42
404
原创 一张图看懂巴菲特 48 年投资帝国：知识图谱效果全展示
48 封公开信浓缩成一张知识图谱后，最打动人的不是某一个投资技巧，而是一致性。价值投资— 48 年出现 280 次复利效应— 48 年出现 200 次长期主义— 48 年出现 190 次保险浮存金— 48 年出现 180 次内在价值— 48 年出现 170 次巴菲特的成功不是因为他有什么秘诀，而是因为他在正确的原则上坚持了足够长的时间。找到对的方法，然后重复做对的事情，等待复利的奇迹。本文展示的所有截图来自可视化页面。用 AI 构建巴菲特投资知识图谱代码和数据存放在目录下。免责声明。
2026-04-08 18:05:24
657
原创 用 AI 构建巴菲特投资知识图谱：从 48 封公开信到可交互的投资智慧网络
知识图谱（Knowledge Graph）是一种用图结构来表示知识的方式。(实体) —[关系]→ (实体)(Warren Buffett) —[管理]→ (Berkshire Hathaway)(Berkshire Hathaway) —[投资]→ (Coca-Cola)(Coca-Cola) —[具有]→ (经济护城河)(Benjamin Graham) —[影响]→ (Warren Buffett)千百个这样的三元组连起来，就形成了一张巨大的知识网络。
2026-04-08 17:53:40
818
原创 「同事.skill」爆火：当 AI 学会“炼化“你的同事
Agent Skill = 可被 AI 智能体动态发现并按需加载的"能力包"。如果 MCP 是"USB 接口"，那 Skills 就是"U 盘里的安装程序"。MCP 解决的是连通性，Skills 解决的是"AI 到底会不会干这件事"。每个 Skill 的入口是一个SKILL.md文件，由YAML 前置元数据Markdown 正文---When to use: 当需要对 Pull Request 进行结构化代码审查时。When NOT to use: 简单的 typo 修复或纯文档变更。---
2026-04-06 14:31:53
1833
原创 在线支付系列（五）：统一支付网关架构设计
前面的幂等、状态机、回调处理做得再好，也不能保证 100% 正确。对账就是那个每天帮你"查缺补漏"的守门员。
2026-04-04 20:48:00
418
原创 在线支付系列（四）：PayPal——一位海外买家的安全支付之旅
费率最高、退款最贵（不退手续费），但门槛最低、买家信任度最高。适合需要转化"谨慎型"海外用户的场景。
2026-04-04 20:45:47
393
原创 在线支付系列（三）：Stripe & 信用卡——一件跨境商品的卡支付之旅
纽约的 John 深夜刷手机，在一个中国独立站上发现了一双限量球鞋，标价 $149.99。他决定入手。页面弹出支付框，他选择了信用卡支付，输入了 Visa 卡号、有效期、CVC。突然，屏幕中间弹出一个窗口——他的银行要求输入手机验证码。他打开短信，输入 6 位数字，点击确认。这整个过程大约 10 秒。
2026-04-04 20:41:12
512
原创 在线支付系列（二）：支付宝 & 微信支付——一杯咖啡的扫码之旅
周一早上 8:30，你走进公司楼下的咖啡店，扫了吧台上的二维码，选了一杯冰美式，¥28。打开微信，扫一下，输入指纹，手机震动——“支付成功”。整个过程不到 2 秒。你可能觉得这没什么。但如果你是这家咖啡店的老板，刚请了个开发者帮你搭线上点单系统——你的开发者正在跟支付宝和微信支付的签名机制较劲。这篇文章，就从这杯 ¥28 的拿铁出发，带你走通支付宝和微信支付的完整对接流程。我们不会一上来就甩代码，而是先搞懂每一步"为什么要这么做"，然后再写代码。让我们先跟着这笔 ¥28，看看它完整的旅程。你用支付宝扫码支付
2026-04-04 20:38:50
523
原创 Harness Engineering 最佳实践：从概念到落地的完整操作手册
bin/bash# 检查分层依赖方向ERRORS=0# UI 层不能引用 Repo 层thenecho "❌ ERROR: ui/ 层直接引用了 repo/ 层"echo "✅ FIX: 通过 runtime/ 层的接口访问数据"fi# Repo 层不能引用 Service 层（反向依赖）thenecho "❌ ERROR: repo/ 层反向引用了 service/ 层"echo "✅ FIX: 使用接口（interface）解耦，依赖注入"fithen。
2026-04-02 16:01:13
1774
原创 Claude Code 源码泄露全复盘：51.2 万行代码裸奔，Anthropic 在同一个坑里摔了两次
Source Map 是前端开发中的调试利器。当 TypeScript/JavaScript 代码经过编译、压缩、混淆后，Source Map 文件能把它"还原"回原始源码，方便开发者在浏览器或 Node.js 中调试。一个典型的.map"sourcesContent": ["// 这里是完整的原始源码...", ...],关键字段是——它直接包含了所有原始源文件的完整内容。换句话说，只要拿到.map文件，就等于拿到了全部源码。维度要点泄露原因。
2026-04-01 18:16:02
2463
原创 数字货币交易所系列（四）：DEX 深度解析——从 AMM 到链上订单簿，去中心化交易的技术与未来
前三篇我们完整拆解了 CEX——业务全景、核心技术、安全风控与监管。CEX 的逻辑本质上和传统金融一样：你信任一个中心化机构，把钱交给它，它帮你撮合交易。但区块链存在的意义，不就是为了**去掉这个"中间人"**吗？2020 年 DeFi Summer，Uniswap 的日交易量首次超过 Coinbase。一个没有公司、没有服务器、没有员工的智能合约，在交易量上击败了一家市值百亿美元的上市公司。这不是偶然——这是去中心化交易的"iPhone 时刻"。但 DEX 也不是银弹。滑点大、Gas 贵、被 MEV 机器
2026-04-01 11:42:02
468
原创 数字货币交易所系列（三）：安全、风控与监管——从 Mt.Gox 到 FTX，CEX 的信任是怎么建立（和崩塌）的？
提币是资金流出交易所的唯一通道——如果黑客入侵了系统，提币风控是阻止资产流失的最后机会。提币请求到达│├── 地址检查：是否在黑名单中？（OFAC 制裁地址、已知盗币地址）│├── 金额检查：是否超过用户历史提币金额的 N 倍？│├── 频率检查：24 小时内提币次数是否异常？│├── 设备检查：是否从新设备/新 IP 发起？│├── 行为检查：是否在登录后立即提币？（盗号典型模式）│└── 综合评分 → 高风险 → 人工审核 / 24 小时延迟放行。
2026-04-01 11:37:13
303
原创 数字货币交易所系列（二）：CEX 核心技术架构——撮合引擎、钱包系统与充提链路的深度拆解
CEX 的技术架构，本质上是在解决一个矛盾三角性能/ \/ \安全 ──── 一致性性能：撮合引擎要快到微秒级，行情推送不能有延迟安全：管着几十亿美元的资产，密钥管理不能有丝毫差错一致性：每一分钱都不能算错，清结算必须精确到小数点后 8 位在这三者之间取得平衡，就是 CEX 技术团队每天在做的事情。但技术架构只是防线的一半。另一半是——风控系统如何检测异常？安全事件发生时如何应对？监管框架如何约束交易所行为？这些问题，我们下一篇来拆解。下一篇。
2026-03-31 14:35:42
1025
原创 数字货币交易所系列（一）：一文看懂 CEX 的全部业务——你用的交易所，到底在做什么生意？
CEX（Centralized Exchange，中心化交易所）是一个由公司运营的数字货币交易平台。用户把资产存入交易所，交易所负责撮合买卖、保管资产、提供金融服务。本质上，CEX 扮演的角色是数字货币世界的券商 + 银行 + 交易所传统金融 CEX 对标纽交所 / 纳斯达克（撮合交易） → 撮合引擎券商（开户、下单、清算） → 账户体系 + 交易接口银行（存款、转账、理财） → 钱包 + 充提 + Earn资管公司（基金、结构化产品） → Launchpad + 结构化理财。
2026-03-30 19:36:26
430
原创 AI 算力基础设施深度系列（六·完结）：生产运维、安全与成本优化——将算力平台推向生产
生产运维、安全与成本优化知识地图：1. GPU 故障管理:├── XID 错误码体系（48/79/95 立即隔离）└── 自动隔离 + 训练自动恢复2. 多租户隔离:├── L1 软隔离: Namespace + RBAC + Quota├── L2 中隔离: + NetworkPolicy + PodSecurity└── Kueue: 配额 + 借用 + 优先级抢占3. 可观测性:├── 关键指标: GPU Util/ECC/温度/NVLink/功耗。
2026-03-28 23:47:33
177
原创 AI 算力基础设施深度系列（五）：高性能网络与存储——AI 训练的血管与粮仓
没有 GPUDirect 的 GPU 间通信：GPU 服务器 A GPU 服务器 B│ │ GPU 显存 │ │ │ │ GPU 显存 │ ││ │ CPU 主内存 │ │ │ │ CPU 主内存 │ ││ ↓ │ 网络 │ │ │瓶颈：步骤①④ 经 PCIe 总线，额外延迟 5-15μs本文深入了 AI 算力平台的两大基础设施短板——网络和存储。高性能网络与存储知识地图：1. 为什么需要 RDMA:└── AllReduce 通信占 30-50%，TCP 延迟 + CPU 开销不可接受。
2026-03-28 23:46:57
508
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