- 博客(10)
- 收藏
- 关注
RSS订阅原创 Trace 如何让 Agent 可观测
Trace 是 Agent 工程化的黑盒记录仪。它记录一次任务从开始到结束的关键节点，包括用户输入、模型决策、工具调用、耗时、异常、预算消耗和最终结果。Trace 让 Agent 失败定位从猜测变成沿节点排查。在项目里，Trace 还能服务评估和记忆沉淀。一次失败任务可以转成 regression case，关键错误可以沉淀成 MemoryEntry，常见耗时点可以反推性能优化方向。面向团队协作时，Trace 也是审计材料，让每一次自动化操作都有来源、有过程、有证据。
2026-07-01 00:12:07
232
原创 Tool Calling 为什么要有 Schema
Tool Calling 把模型的自然语言意图转成结构化操作。Schema 的作用是定义工具名称、参数类型、必填字段、默认值和风险等级。模型输出工具调用后，运行时先用 Schema 校验参数，再进入真实执行。在 Coding Agent 里，Schema 尤其关键。文件读取、命令执行、代码编辑都属于高影响操作，参数格式清晰才能降低误调用。Schema 还可以辅助模型理解工具边界，让它知道每个工具适合处理什么任务。
2026-06-29 16:12:41
241
原创 Query Loop 如何驱动任务闭环
Query Loop 是 Agent 持续推进任务的核心机制。模型先理解目标，再决定直接回答还是调用工具。工具返回结果后，模型基于新信息继续判断下一步，直到任务完成、预算用尽或触发权限确认。这个循环让 Agent 能处理多步骤任务，例如读取文件、分析错误、修改代码、运行验证。工程实现时，Query Loop 需要记录每一轮的模型意图、工具名称、参数、返回结果和下一步状态。这样做的好处是任务过程可以复盘，失败样例可以进入评估集，后续也能沉淀为记忆。
2026-06-27 18:06:09
199
原创 什么是 AI Agent 运行时
AI Agent 运行时可以理解为模型执行任务的工程底座。它把用户目标、模型推理、工具调用、状态记录、权限控制和日志审计串成一个闭环。一次任务进入系统后，运行时会维护当前目标、已完成步骤、可用工具、上下文预算和风险边界。模型每轮输出计划或工具调用，运行时负责校验参数、执行工具、读取结果，再把关键反馈交还给模型继续推理。做项目时，运行时价值体现在稳定性和可追踪性上。用户看到的是一句指令，系统内部看到的是多轮状态迁移。只要每一步都有输入、输出和 trace，失败时就能定位到具体节点。
2026-06-27 17:24:23
261
原创 使用SQL语句创建数据库，DDL语句
IF EXISTS 是一个可选的子句，表示如果数据库存在才执行删除操作，避免因为数据库不存在而引发错误。选择来数据库后，你的后续 SQL 查询和操作在指定的数据库 database_name 上执行。database_name 是你要删除的数据库的名称。database_name 是你要选择的数据库的名称。
2024-03-09 15:59:56
455
1
原创 分布式理论基础，CAP理论以及BASE理论
BASE 理论是对 CAP 中的一致性和可用性进行一个权衡的结果，理论的核心思想就是：我们无法做到强一致，但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性。一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项。在这三个基本需求中，最多只能同时满足其中的两项，P 是必须的，因此只能在 CP 和 AP 中选。
2024-03-09 15:56:00
396
1
转载 【面试必背冲击大厂】一文搞定Redis 缓存击穿，缓存穿透，缓存雪崩
据库也无此记录，我们没有将这次查询的 null 写入缓存，这将导致这个不存在的数据每次。有对这个 key 的数据查询都落到 db，我们称为缓存击穿。效，请求全部转发到 DB，DB 瞬时压力过重雪崩。请求都要到存储层去查询，失去了缓存的意义。重复率就会降低，就很难引发集体失效的事件。是一种非常“热点”的数据。
2023-11-24 22:02:51
421
1
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