A.说学逗唱的Coke-优快云博客

原创【人工智能专题】Higress 实战：从 Envoy 内核到 MCP Server 托管，把一个 AI 网关真正跑起来

Higress 以 Envoy 为数据面，构建统一网关，解决 AI 服务中密钥分散、账单不清、故障连坐与合规缺失四大痛点。通过控制面复用 Istio 生态，实现流量、微服务与 AI 网关三合一管理。关键实践包括：利用 Wasm 插件实现无状态 MCP Server 托管，规避粘性会话；正确配置路由链路顺序，避免优化失效；存量接口零改造接入 Agent 工具。版本稳定（v2.2.4 支持 Gateway API Inference Extension），但需注意仓库迁移与 Wasm 性能损耗陷阱。

2026-11-09 02:41:49 211

原创【大模型专题】一个网关管住三类 AI 流量：Higress 从部署到 MCP 托管实战

本文介绍如何通过 Higress 网关统一管理 OpenAI、通义、DashScope 等多类 AI 流量，解决 Key 散落、协议不一、用量难控、MCP 无治理等问题。基于 Envoy 数据面与 Wasm 插件架构，实现 LLM 代理、MCP 托管、推理负载三类流量的统一入口与策略复用。文章详解部署架构、Wasm 选型优势及与 APISIX/Kong 的定位差异，并提供 Docker 快速启动方案，强调其在成本分摊、可观测性与企业级治理上的实践价值。

2026-11-04 16:12:54 301

原创【大模型专题】大模型怎么选（2026 年 10 月版）：从 20 个模型里挑对那 3 个，以及 Agent 按角色分模型的实操矩阵

两个月里前沿换了一代：GPT-6.1 Terra 把中档打到 1/5 美元，Claude 5.5 全系到齐，Gemini 4 Argon 10 月 GA。本文以官方定价为基线，拆解五个选型维度（失败成本、上下文与缓存、turn 分布、工具密度、价格结构），指出同一个"1M 上下文"三家计价方式相反，给出 Agent 六角色矩阵与 1/2/3 个模型的组合方案，附成本公式、级联路由代码与十个静默陷阱。核心结论：别给 agent 绑模型，给 turn 绑档位。

2026-10-29 14:35:56 323

原创【人工智能专题】万字拆解 Agent 子代理（Sub-Agent）机制：上下文隔离、工具收敛与生产级编排模式实战

深入拆解 Agent 子代理（Sub-Agent）机制的完整实现原理：独立上下文窗口如何守住主会话的信息密度，工具白名单为何是硬安全边界而非建议，前台/后台/fork 三种执行形态的差异与选型，以及 Supervisor、Handoff、层级、Parallel、Loop 六种生产级编排模式的对比与踩坑。以 Claude Code 子代理系统为剖析对象，横向对比 LangGraph、AgentScope 2.0、OpenAI Agents SDK 的设计取舍，含 9-Agent 供应链安全引擎的真实层级编排案

2026-10-23 10:04:42 327

原创【人工智能专题】多 Agent 系统为什么会“串台“：上下文污染的根因分析与工程解法

多个 Agent 协作时，一个 Agent 的错误结论为什么会变成另一个 Agent 的"事实"？本文把多 Agent"串台"问题讲透：五种典型症状与术语对照、五条结构性根因、arXiv 论文实证的污染效应（全广播上下文的幻觉率反而最高），以及四种上下文共享架构的取舍决策树。工程解法覆盖先隔离再选择性共享、Handoff Packet 契约、结构化返回、消息+产物双层架构与单写者原则，并附 Claude Agent SDK、LangGraph、git worktree 落地代码与运行时防线清单。

2026-10-23 07:52:50 237

原创【人工智能专题】Jev 模型详解：不生成文字的“系统一“决策模型，凭什么快 200 倍、便宜 400 倍？

2026 年 9 月发布的 Jev 是一个"不生成文字"的决策模型：不做自回归解码，单次前向计算直接输出带校准概率的类型化判定，官方称比前沿大模型快 20-200 倍、便宜 40-400 倍。本文详解其架构原理（预填充机制、并行采样）、三种输出原语（noul/choice/score）完整用法、RLCD 校准训练与 RLHF 的本质差异，给出快慢分工混合架构的 TypeScript/Python 可运行实战代码、自建复现方案与已知边界清单。对厂商宣传数字保持审慎核实，附独立测试数据与工程安全原则。

2026-10-21 14:18:15 424

原创【人工智能专题】PolarDB 深度解析：存算分离到 AI Lakebase，云原生数据库的架构演进与实战指南

本文从架构原理到落地实战完整解析阿里云云原生数据库 PolarDB：剖析存算分离、一写多读与 CXL 三层解耦的架构演进，实测 Serverless 秒级弹性与 IMCI 列存 100 倍 HTAP 加速，深入 2026 年发布的 AI Lakebase"4+1"架构并给出库内 RAG 完整 SQL 实战（MySQL 版 + PG 版），附带 RDS MySQL 迁移全流程、四大云数据库横向对比、踩坑记录与选型决策依据。6000+ 字，15 个代码示例，3 张架构图，可直接作为迁移与选型参考。

2026-10-08 15:39:12 540

原创【AI·Coding】AI 编程省 Token 神器：CodeGraph 让 Claude Code 工具调用减少 70%，附完整接入指南

你的 AI Agent 每次会话都在用 grep 和 read 重复重建代码库地图，这笔"发现税"平均吃掉 70% 的工具调用。本文拆解 70k+ stars 的本地代码知识图谱 CodeGraph：tree-sitter 确定性解析 + SQLite 存储 + MCP 服务三层架构、Claude Code/Cursor 五分钟接入全流程、五个核心工具的实战用法与使用阶梯、benchmark 数字的正确读法、三种不该用的场景，以及 wasm 回退、重复 Read 等 6 个高频踩坑的对策。

2026-10-08 02:03:37 368

原创【人工智能专题】一文读懂 Agent 架构：ReAct、Plan-and-Execute、Reflexion 到多智能体协作，到底该怎么选？

Agent 架构选型决定了项目是"能跑的 Demo"还是"敢上生产的系统"。本文系统拆解主流范式：ReAct 边想边做、Plan-and-Execute 先谋后动、Reflexion 做完复盘、ToT 多路探索，以及 Anthropic 编排者-工作者多智能体模式（准确率提升 90.2% 但 Token 消耗 15 倍）。包含：100 行 Python 手写 ReAct Agent 实战、CrewAI/LangGraph/AutoGen/MetaGPT 横评、MCP 与 A2A 协议分工、选型决策树与场景速

2026-10-03 01:17:55 375

原创【云原生专题】Kubernetes 备份完全实战：用 Velero 搞定集群备份、恢复与跨集群迁移（附完整命令与踩坑记录）

Kubernetes 备份不能只靠 etcd 快照——持久卷数据、选择性恢复、跨集群迁移它都覆盖不了。本文基于 Velero v1.18 完整实践集群备份：架构原理、MinIO/S3 部署安装、定时备份与 Hook 一致性、CSI 快照/Kopia fs-backup/Data Mover 三条卷保护路线选型、恢复与跨集群迁移全流程，以及备份卡死、PVC Pending、CRD 丢失等六个真实踩坑排查，附完整可复制命令与选型对比，适合后端/SRE/运维工程师。

2026-09-29 13:20:21 437

原创【人工智能专题】7 秒跑完谷歌航班搜索：browser-use 开源超快浏览器 Agent jev-ultrafast 深度拆解（附完整上手指南）

jev-ultrafast 通过摒弃截图与视觉模型，直接利用浏览器的 DOM/ARIA 结构实现高效决策，将单任务延迟降至7秒级、成本低至0.0039美元。其核心在于：动态可索引动作空间 + 投机多目标头设计——一次模型调用同时输出操作类型与目标分布，仅执行胜出分支，大幅减少网络往返。配合类型安全输出与文本缓存机制，实现快速、低成本、可复现的浏览器自动化。这是一次架构层面的突破，而非算法革新。

2026-09-23 15:06:30 307

原创【大模型专题】别再用 HTTP 直连 Agent 了：用 Kafka 承载 A2A 协议，从 PoC 走到生产

A2A 协议 2026 年升至 v1.0，但默认绑定 HTTP + JSON-RPC 本质点对点：2 个 Agent 跑通很快，20 个 Agent 就会撞上连接爆炸、强耦合、可观测性缺失。本文论证 A2A 的协议绑定层可替换，并把 Kafka 接成传输底座：给出 topic 拓扑与分区键设计、消息头路由四要素、Agent Card 扩展、用 correlationId 模拟 RPC 的完整代码，并用 Outbox、幂等消费与 Kafka 4.2 Share Groups 兜住可靠性。

2026-09-16 10:45:03 282

原创【大模型专题】RAG 还是 Wiki：检索增强生成与企业知识库的区别、联系与混合架构实践

RAG 还是 Wiki：检索增RAG 成为企业知识库默认答案，但 Karpathy 的 LLM Wiki 模式让人反思：我们是否过度工程化了？本文系统对比 RAG（运行时检索）与 Wiki / LLM Wiki（预先编译）的本质区别——成本、规模、准确性、维护方式差异巨大；并阐述四类内在联系，提出「核心知识编译 + 易变数据走 RAG」的混合架构。附完整 LangChain 实战代码、Mermaid 架构图、对比表格与踩坑清单，给出 KB-first 选型决策树：强生成与企业知识库的区别、联系与混合架构实践

2026-09-13 11:05:36 178

原创【大模型专题】GPT-6 Astra 深度解析：强在哪里，以及如何正确使用

GPT-6 Astra 已上线 API：ARC-AGI-3 达 99.9%、越权率从 48.2% 降到 0%、上下文 105 万 token。但数字解释不了一个现实问题：为什么很多人买了 Cursor 只当补全用，装了 Claude Code 却配不起 MCP、Hooks、Sub-agent。本文拆解 Astra 的四个能力维度，诚实指出它的失分项，给出六条工程原则与五层能力栈，附配置模板、审计脚本、20 条踩坑清单和 30 天落地路径。核心结论：分水岭不在会不会用 AI，在能不能让 AI 稳定地把事干完

2026-09-05 22:25:27 320

原创【AI·Coding】多工具协作实战：同一个项目如何无缝切换 Qoder / Claude Code / Codex / Cursor / Trae

先说一个我自己的真实状态。我手头有一个全栈 SaaS 项目，平时在用五款 AI 编程工具之间来回切：用在终端里跑长链路的重构和验证，用Cursor做多文件编辑和即时补全，用在 CI 里批量跑代码审查，用Qoder的 Quest / Expert 模式做需求拆解和架构理解，用Trae的 SOLO 模式快速把原型跑起来。这五款工具只是我当前工具箱里的例子，不是一份必须照搬的"配方"。当你主动换工具时，为什么开发会断裂，以及怎么让它不断裂。而且这个方法不绑定任何具体工具。

2026-08-30 21:20:14 489

原创【人工智能专题】Redis 杀进 AI 数据层：向量搜索、语义缓存与 Agent 记忆工程从入门到踩坑

大多数团队手里已经有一个 Redis 在跑缓存。这篇文章要回答的是：能不能、该不该把它升级成 AI 应用的向量库 + 语义缓存 + Agent 记忆层。全文围绕 Redis 8.0 到 8.6 的 AI 能力演进展开，包含 Query Engine 与 Vector Sets 两条向量检索路径的完整对比、FT.HYBRID 混合检索、语义缓存的三种落地方式（RedisVL / Vector Sets 手写 / LangCache 托管）、语义路由、以及 Agent 记忆的双层模型。

2026-08-30 01:57:44 476

原创【大模型专题】当“过度工程“成为智能体的进化接口：从 Prompt Engineering 到 Agent 自进化 Harness 的工程实践

Agent 自进化不是让模型突然拥有意识，也不等于让大模型直接改写自己的权重。从工程角度看，它更接近一个持续运行的闭环：系统先执行任务，记录轨迹与结果，识别稳定失败模式，提出系统修改方案，在隔离环境中验证，灰度启用或回滚，最后把有效改动沉淀为新的 Harness 能力。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;否是执行任务记录轨迹与结果。

2026-08-27 16:47:08 383

原创【数据库专题】ClickHouse 深度实战：从列式存储原理到 PB 级海量日志与可观测性分析

本文以 PB 级安全日志与可观测性分析为主线，系统讲解 ClickHouse 的列式存储、向量化执行、MergeTree、稀疏主键索引及数据剪枝机制，并提供从 Kafka 接入、明细表存储、物化视图预聚合到 Grafana 查询的完整实践方案。结合日均 80 亿条日志场景，文章介绍了表引擎选择、分区与排序键设计、跳数索引、批量写入和慢查询调优等关键方法，同时对比 ClickHouse、Elasticsearch 与 Apache Doris 的适用边界。文章认为，ClickHouse 尤其适合日志、安全事件

2026-08-24 12:55:46 492

原创【AI·Coding】规范写在文档里，泄露发生在提交时：AI辅助开发中的敏感信息防范实践

AI助手的上下文限制、规范的软约束特性以及任务驱动的盲区。随后提出三层防护体系解决方案，包括Git Hook自动检查、AI实时审查和人工审核流程，强调从文本规范转向技术强制的必要性。案例展示了从应急处理（替换配置、清理历史）到建立预防机制（环境变量、模板配置）的全过程，最终形成"安全优先"的开发实践闭环。

2026-08-10 12:47:44 339

原创【Agent专题】AgentScope 2.0 深度解析与实战：从 Demo 到生产的多智能体工程底座

摘要 AgentScope 2.0是阿里通义实验室推出的企业级多智能体系统运行时底座，旨在解决智能体从Demo到生产环境的关键挑战。该框架提供六大核心能力：事件系统实现透明通信与人在回路、细粒度权限控制保障安全、多租户服务确保隔离、沙箱环境支持安全执行、中间件机制实现灵活扩展，以及智能体团队协作模式。其分层架构覆盖记忆、评估、微调等完整生命周期，强调"面向智能体编程"理念，通过自主决策与框架管控的平衡，将智能体原型转化为可生产的系统。该方案已在阿里内部大规模验证，特别适合需要7×24小时运行、多用户并发、严

2026-08-07 13:23:23 317

原创【人工智能专题】kagent 深度实战：把 AI Agent 真正变成 Kubernetes 的一等公民

kagent 是一个 Kubernetes 原生的 AI Agent 运行时框架，由 Istio 创始团队开发，已被 CNCF 接纳为沙箱项目。它通过将 Agent 定义为 Kubernetes CRD（自定义资源），解决了生产环境中 Agent 的部署、治理和协作问题。核心架构包括 Controller、Engine、UI 和 CLI 四大组件，支持声明式 YAML 管理 Agent，并集成 OpenTelemetry 可观测性。kagent 特别适合 DevOps 场景，如集群运维、性能排查和

2026-08-03 20:47:29 490

原创【人工智能专题】从 Loop 到 Graph：Graph Engineering 正在重塑 AI Agent 的工程范式

《从 Loop 到 Graph：Graph Engineering 如何重塑 AI Agent 工程范式》探讨了 AI Agent 开发从单循环（Loop）向协作图（Graph）的范式转变。文章指出，虽然 Loop Engineering 通过让单个 Agent 循环执行任务解决了长上下文处理问题，但随着任务复杂度提升，单回路模式面临上下文腐化、职责不清、状态共享困难和串行效率低下等结构性瓶颈。Graph Engineering 通过将任务拆解为多个专业化节点，并明确定义节点间的协作关系

2026-07-31 01:04:01 379

原创【大模型专题】DeepSeek V4 Pro 强在哪里？1.6万亿参数下的极致性价比与架构革新

DeepSeek V4 Pro：1.6万亿参数的极致性价比与架构革新 DeepSeek V4 Pro于2026年4月发布，以1.6万亿参数和仅激活49B的MoE架构实现顶级模型能力与低成本推理的平衡。核心优势包括：高效稀疏架构：通过MoE设计，仅3%参数参与推理，大幅降低算力成本；混合注意力优化（CSA+HCA+DSA），使1M上下文成为默认配置，FLOPs仅为前代的27%；可配置推理模式（Non-Think/Think High/Think Max），按任务需求动态分配算力，优化Agent场景成本；

2026-07-21 12:20:26 441

原创【人工智能专题】从 AIGC 到 Agentic AI 再到 AGI：AI 范式的三次跃迁与工程实战深度解析

本文探讨了人工智能从AIGC到Agentic AI再到AGI的三次范式跃迁： AIGC阶段（2022-2024）：以Transformer和扩散模型为核心，实现文本、图像等内容生成能力。通过代码示例展示了扩散模型生成图像和不同解码策略对生成效果的影响。 Agentic AI阶段（2025-2028）：AI从内容生成转向任务执行，具备调用工具和操作系统的能力。 AGI阶段（2027-2030+）：实现通用人工智能，具备跨领域推理和自主决策能力。文章指出这三次跃迁是根本性的范式重构，体现在输出形态（静态内容→

2026-07-20 10:57:39 405

原创【人工智能专题】过拟合与欠拟合：从偏差-方差权衡到工程化诊断，彻底搞懂模型泛化的两难困境

机器学习中的过拟合与欠拟合：诊断与解决指南摘要：本文系统性地讲解了机器学习中过拟合与欠拟合的核心概念、诊断方法和解决方案。通过直观类比和理论分析，揭示了偏差-方差权衡的本质原理。文章提供了实用的学习曲线绘制方法，并总结出清晰的诊断流程：训练误差高且与测试误差接近为欠拟合（高偏差），训练误差低但测试误差高为过拟合（高方差）。针对不同情况，给出了增加模型复杂度、正则化、数据增强等具体解决方案。最后强调在深度学习中出现的"双降现象"并不改变传统机器学习场景下的基本调优逻辑，为实际工程应用提供了可靠参考。关键词

2026-07-15 10:01:06 273

原创【人工智能专题】语义熵（Semantic Entropy）实战指南：从原理到 RAG 幻觉检测的完整实现

语义熵实战指南：从原理到RAG幻觉检测摘要本文深入解析牛津大学OATML实验室提出的语义熵(Semantic Entropy)方法，用于检测大语言模型(LLM)中的虚构型幻觉问题。语义熵通过语义空间聚类和概率加和的计算方式，解决了传统朴素熵方法无法区分词汇差异和语义差异的问题。文章首先区分了幻觉(Hallucination)和虚构(Confabulation)的概念，指出语义熵专门针对模型内部不确定导致的虚构问题。核心算法包括5个步骤：多轮采样、概率计算、语义聚类、簇概率加和及熵值计算。其中语义聚类是

2026-07-10 11:58:10 384

原创【大模型专题】Qoder 实战指南：从安装到 Agents 自主开发全流程

本文介绍了阿里云Qoder——下一代Agentic编程平台的核心概念与安装指南。Qoder从代码补全工具进化为自主开发工作台，支持五种交互模式（NES补全、Ask问答、Agent多文件编辑、Quest自主执行等），覆盖从桌面到终端的全场景开发需求。文章详细讲解了Qoder产品矩阵、能力分层模型，并提供了Qoder IDE、JetBrains插件和CLI工具的安装配置方法，包括企业代理环境设置和CI/CD集成示例。通过合理运用不同模式，开发者可将Qoder作为"数字员工"提升开发效率。

2026-07-04 19:25:05 964

原创【大模型专题】Claude Haiku vs Sonnet vs Opus：三款模型深度对比与选型指南（2026最新）

Claude Haiku vs Sonnet vs Opus：三款模型深度对比与选型指南（2026最新）本文对Anthropic公司推出的三款大语言模型进行深度对比分析：核心定位差异： Haiku（俳句）：轻量、快速、低成本，适合高频简单任务 Sonnet（十四行诗）：均衡全能，主力生产型号 Opus（大作品）：旗舰型号，专注复杂推理和关键任务版本演进： 2026年最新版本为Haiku 4.5、Sonnet 5和Opus 4.8 Sonnet 5引入全新Agentic架构，具备1M tokens上下文

2026-07-03 13:04:36 817

原创【人工智能专题】深度学习vs传统方法：CNN、RNN与TF-IDF在文本分类中的全面对比与实战指南

本文系统对比了三种文本分类技术路线：TF-IDF、CNN和RNN。TF-IDF基于统计方法，通过词频-逆文档频率构建稀疏向量表示，适合小数据集和高可解释性场景；CNN通过局部卷积核捕捉n-gram特征，擅长短文本和关键词敏感任务；RNN（LSTM/GRU）通过序列建模处理长文本和上下文依赖。文章从原理推导、代码实现到实验对比，提供了面向不同工程场景的技术选型指南，为研究者和工程师在文本分类任务中提供了实用参考。

2026-06-30 17:39:09 392

原创【大模型专题】Agentic AI 实战指南 — 从 ReAct 到多智能体协作的完整落地路径

本文探讨了Agentic AI从对话式AI到协作式AI的演进路径，重点分析了其核心概念、架构模式和实战应用。Agentic AI通过结合LLM推理能力、自主决策循环、工具调用和记忆系统，实现了从“回答问题”到“执行任务”的质变。文章详细介绍了ReAct架构作为基础模式，并展示了纯Python实现的最小ReAct Agent示例。2026年被视为Agentic AI的落地元年，三大驱动力（用户需求升级、企业自动化诉求、模型能力溢出）共同推动了这一技术范式的快速发展。

2026-06-29 14:21:11 323

原创【研发管理专题】PDM、SDM 和 TDM 的关系与对比 — 研发数据管理三驾马车实战指南

研发数据管理三驾马车：PDM、SDM与TDM实战指南摘要：本文深入解析制造业研发数据管理的三大核心系统：PDM（产品数据管理）、SDM（仿真数据管理）和TDM（试验数据管理）。三者分别对应产品研发的设计、仿真和试验阶段，形成协同闭环：PDM提供设计模型给SDM进行仿真分析，SDM结果作为TDM试验基准，试验数据又反馈优化设计和仿真。文章对比了三者的功能差异（PDM以BOM为核心，SDM管理CAE流程，TDM处理海量试验数据），提供开源部署方案（如Odoo PLM+InfluxDB），并强调企业需根据研发特

2026-06-26 12:16:45 431

原创【人工智能专题】用 PyTorch + RNN 训练语义模型：从原理到实战的完整指南

本文介绍了使用PyTorch和RNN进行语义建模的完整指南。首先分析了RNN家族（基础RNN/LSTM/GRU）的数学原理和优缺点，重点讲解了LSTM的门控机制如何解决长序列依赖问题。接着提出了端到端的语义模型系统架构，包含数据预处理、词嵌入层、RNN编码器、分类头等模块。文章还提供了环境安装指南，建议使用PyTorch 2.0+版本，并比较了不同RNN变体在参数量、计算效率和准确率方面的表现。最后强调了梯度裁剪、学习率调度等训练优化技巧，为NLP学习者提供了从理论到实践的完整解决方案。

2026-06-24 10:15:06 495

原创【人工智能专题】EasyAI vs Spring AI：Java AI 框架终极对比与实战指南（2026最新版）

本文对比了两大 Java AI 框架：EasyAI 与 Spring AI。EasyAI 是 Dromara 社区维护的纯 Java AI 算法框架，零依赖、开箱即用，提供图像识别、人脸检测、智能客服等封装模块，适合本地小微模型和边缘场景；Spring AI 是 Spring 官方出品的大模型应用框架，统一封装 20+ 模型提供商和 15+ 向量数据库，支持 ChatClient、RAG、Tool Calling、流式响应等企业级能力。文章从架构设计、核心功能、安装配置、代码实战、选型决策五个维度展开，含

2026-06-22 13:00:04 510

原创【大模型专题】Function Calling 完全指南（2026）：从原理到 OpenAI/Claude/DeepSeek/Qwen 全平台实战

文章摘要 Function Calling（工具调用）已成为2026年大语言模型连接外部系统的标准接口，是AI Agent的核心基础设施。本文系统讲解了Function Calling的原理与实战，涵盖：核心概念：通过JSON Schema契约实现模型决策+应用执行的协作模式完整流程：Agentic Loop循环处理工具调用请求直至获得最终答案关键技术：工具定义规范、并行调用、严格模式控制等平台对比：OpenAI/Claude/DeepSeek/Qwen等主流平台的实现差异实战案例：包括本地部署（

2026-06-20 02:00:45 679

原创【人工智能专题】AI系统安全红线：用STRIDE + OWASP LLM Top 10对你的大模型应用做一次完整威胁建模

本文介绍了AI系统安全威胁建模的核心框架和方法，重点分析了STRIDE与OWASP LLM Top 10在AI应用安全中的应用。文章指出AI系统与传统Web应用的不同安全挑战，包括无边界自然语言输入、语义攻击难以防御、推理能力被武器化等。通过对比传统与AI威胁建模的差异，提出以STRIDE为主框架结合OWASP LLM Top 10的完整建模体系。最后详细解析了OWASP LLM Top 10 2025版威胁清单，并通过数据流图展示了AI系统的信任边界划分，为AI应用安全提供了系统性方法论。

2026-06-18 11:07:41 376

原创【大模型专题】AIOps + Loop 工程：从智能告警到自愈闭环的实战指南

这篇文章摘要如下：《AIOps + Loop 工程：从智能告警到自愈闭环的实战指南》深入探讨了如何将AIOps与Loop工程结合，构建真正的智能自愈运维体系。文章指出传统AIOps往往停留在告警聚合阶段，关键在于缺乏闭环反馈机制。通过引入Loop工程的"感知-分析-执行-反馈"闭环方法论，可形成持续优化的智能运维飞轮。文章系统性地介绍了： AIOps的三层架构（数据层、分析层、执行层）和成熟度模型 Loop工程的闭环控制系统原理及其与传统自动化的区别整体技术架构设计，包含感知层、分析层、执行层和反馈层

2026-06-15 14:13:50 393

原创【AI·Coding】LOOP工程从零搭建：构建自主AI智能体的系统方法论

《LOOP工程：构建自主AI智能体的系统方法论》摘要本文系统介绍了2026年AI开发领域的核心范式——LOOP工程，这是一种通过构建"思考-行动-观察-评估"闭环系统来创建自主AI智能体的方法论。报告首先界定了LOOP工程的定义，区分了与其他循环概念的区别，然后详细阐述了四大核心组件：大语言模型（大脑）、规划模块（思考）、工具使用（行动）和记忆系统（存储）。最后提供了从零搭建LOOP工程的具体步骤，包括环境准备、基础架构设计（配置模块、记忆管理器、工具注册系统）和核心循环引擎的实现代码，为开发者提供了一套

2026-06-15 10:45:43 337

原创【AI·Coding】AI 从 Harness 到 Loop 工程的跃迁：2026 年 AI Agent 工程范式完全实践指南

摘要： 2026年AI工程范式已从Prompt Engineering演进至Loop Engineering，核心突破在于Harness（模型外系统）的优化。Harness包含六层架构（信息边界、工具系统、执行编排等），通过管理流程、纠偏和观测，显著提升模型表现。例如，仅优化Harness即可让LLM任务通过率从52.8%升至66.5%。最新阶段Loop Engineering实现系统自进化，如自动拆解冗余组件。AI工程师需优先构建AGENTS.md、分层上下文管理等基础框架，以支撑长链路任务的稳定执行。模

2026-06-15 10:28:18 963 1

原创【大模型专题】AI Copilot 完整实践指南：VSCode + GitHub Copilot Agent 模式全攻略

本文将指导开发者通过VSCode和GitHub Copilot实现AI Copilot的完整实践应用。文章详细介绍了从安装配置到核心功能的全面解析，重点探讨了Agent模式的进阶使用方法，包括架构设计、权限配置和工具集定制。通过对比不同模式的特点和适用场景，帮助开发者在代码补全、行内对话、任务规划等场景中高效利用AI能力，实现从基础补全到自主执行多步骤任务的进阶，最终让AI成为真正的结对编程伙伴。

2026-06-13 11:47:08 487

原创【AI·Coding】Claude Code + CC Connect 完整实践指南：把 AI 编程助手装进你的 IM

cc-connect是一款轻量级通信桥接 Hub，将运行在本地机器上的 AI 编程代理（如 Claude Code、Codex、Cursor）桥接到日常使用的即时通讯工具中。// Anthropic 系列必须用带日期后缀的完整 ID// 其他家短名即可// 免费模型if (!if (!// 模式 A：body.model 是裸 alias（来自 /model <alias>）.body?.model;// 模式 B：最后一条 user 消息以 "alias:" 开头。

2026-06-12 15:49:41 826

空空如也

空空如也