LLM 工程 · Agentic System · Harness Engineering
Articles
117 篇2026 30 篇
- 10-10 Supabase 怎麼讓 agent 看得懂、又可控制:一個為人設計的 Postgres 平台 Source Code 21 分
- 10-09 InsForge 03:agent 能直接打 API,為什麼還要多隔一層 Source Code 17 分
- 10-07 InsForge 02:當操作者是 agent,權限、錯誤與文件要怎麼重新設計 Source Code 14 分
- 10-06 InsForge 01:一個為 coding agent 設計的後端長什麼樣 Source Code 13 分
- 06-28 你的 Agent 為什麼越跑越貴:Headroom 的 Context Compression 設計 Source Code 12 分
- 06-27 AI 為什麼總是寫太多?Ponytail 用 YAGNI 七層梯強制過濾 Source Code 9 分
- 05-29 不訓練神經網路也能打出理論最高分:Heuristic Learning 的設計邏輯 Source Code 16 分
- 05-29 Skill Library 的技術債:SkillOps 原始碼解析 Source Code 30 分
- 05-29 把 Skill 文件當成可訓練參數:SkillOpt 的文字空間優化 Source Code 16 分
- 05-28 NanoClaw 原始碼:Multi-Tenant Agent Hosting Platform 的設計邏輯 Source Code 26 分
- 05-22 不預裝能力,只定義生長方式:GenericAgent 原始碼解析 Source Code 21 分
- 05-19 你在省 Token,還是在省思考?四種廢話假設比較 Source Code 14 分
- 05-15 Task Continuity,不是 Personal Memory:Claude Code 的 Session 設計 Source Code 14 分
- 05-14 Memory 01:誰決定什麼值得記——Agent 記憶的四種寫入模式 Source Code 11 分
- 05-14 Memory 02:記憶怎麼被找到——四種搜尋模式與 Write-Search 耦合 Source Code 13 分
- 05-14 Memory 03:Agent 記憶住在哪裡——Storage 選擇是部署假設 Source Code 7 分
- 05-14 Memory 04:怎麼判斷哪個記憶系統強——Benchmark 數字的陷阱 Source Code 6 分
- 05-14 Memory 05:記憶活多久——8 個系統的生命週期設計 Source Code 11 分
- 05-14 Memory 06:K8s SRE Agent 的記憶設計——真實場景的技術選型 Source Code 9 分
- 05-12 DeerFlow:從原始碼看 LangGraph 為 Agent 系統帶來了什麼,又留下了什麼 Source Code 20 分
- 05-12 你去睡覺,它在做研究:讀 Karpathy 的 AutoResearch Source Code 11 分
- 05-12 資料也可以 Autoresearch:Meta AutoData 的三層 Agent 迴圈 Source Code 10 分
- 05-12 你在用它,它也在學你:HuggingFace ml-intern 的 SFT Flywheel Source Code 13 分
- 05-12 1,039 個策略,一個晚上:當計算量打敗 Domain Knowledge Source Code 10 分
- 04-29 Claude Code:從 claw-code 的分析看一個 Coding Agent 的設計關心 Source Code 17 分
- 04-28 CrewAI:從原始碼看「角色扮演」怎麼成為架構決策 Source Code 23 分
- 04-27 hermes-agent vs OpenClaw:兩個 Agent 框架,同一批問題,不同的答案 Source Code 22 分
- 04-25 Hermes-agent:從原始碼看一個為 Production 設計的 Agent 系統 Source Code 13 分
- 04-25 OpenClaw:從原始碼看一個 Agent 平台的工程選擇 Source Code 21 分
- 04-23 打開原始碼才發現:三個 Agent 框架,三種截然不同的設計哲學 Source Code 21 分