Posts
All the articles I've posted.
-
Harness 沙盒机制：大模型操作的安全护栏
Harness 沙盒机制通过预定义动作与参数拦截，隔离物理环境，防止大模型越权执行高危财务操作。
-
4条让Agent跑长程任务的设计思路
分享构建能够长时间稳定执行复杂任务的Agent系统所需的四大核心设计原则，涵盖循环细化、状态管理、工作空间隔离及精准错误处理。
-
为什么复杂 Agent 越来越采用 DAG Workflow 而不是简单的 ReAct 循环
解析复杂 Agent 架构演进，阐述为何 ReAct 与 DAG Workflow 结合才是生产级解决方案。
-
auth.md：让AI代理成为合法用户
介绍 auth.md 规范，旨在通过基于现有标准的原生注册机制，让 AI 代理合法接入服务，避免被标记为垃圾流量。
-
Mapping Networks：颠覆性模型压缩：只需优化极小隐向量，精度反超
这篇论文提出了一种名为“Mapping Networks”的极致模型压缩方法。它基于权重流形假说，颠覆了传统的剪枝、量化和LoRA等高维空间操作思路，提出只需优化一个极低维度的可训练隐向量，即可生成全参权重。该方法在图像分类、Deepfake检测、分割及时序预测等任务中，实现了500倍参数压缩甚至更高的精度，同时显著抑制过拟合。
-
Claude Code 为何放弃 RAG 详解代码检索架构选型
这篇文章深度解析了 Claude Code 放弃传统 RAG 架构而采用 grep 实时搜索背后的工程逻辑。通过分析 Embedding 在代码语义理解上的失效、RAG 长链路带来的准确率乘数衰减效应以及索引更新的同步难题，揭示了代码场景下精确匹配与实时性的核心需求。同时，文章从架构哲学的维度，阐述了这背后“无状态设计”与“Everything is the Model”的工程理念。
-
为什么越来越多 Agent 开始采用 Event-driven 架构
深入解析 Agent 架构中的传统 Agent Loop 与 Event-driven 的优劣，明确何时使用事件驱动，何时回归循环。
-
从 LangChain 到 DeepAgents：解密 AI 智能体工程化进阶之路
本文深度解析 LangChain 团队出品的开源高级 Agent 框架 DeepAgents。文章指出当前 Agent 应用存在模型依赖和环境缺失两大痛点，并介绍了 DeepAgents 如何利用 LangGraph 状态机底座与外Shell 工程（Harness Engineering）来稳定 Agent 逻辑并提升任务成功率。此外，还详细探讨了其子代理委派、受控文件系统、人机协作等开箱即用的套件以及支持长期运行的 Talon 架构，强调工程化落地是 AI Agent 发展的未来方向。
-
Openclaw 双轨自进化机制：自我提升与技能自动化的深度解析
本文深入解析了 OpenClaw 的“双轨自进化”机制，详细阐述了 Self-Improving 与 AutoSkill 如何协同工作，解决 AI Agent 记忆断裂与技能固化难题，并对比了其他技术方案的差异。
-
ego browser 超越 BrowserHarness
介绍 ego browser 解决 AI 抢遥控器、登录态丢失等痛点，支持并行操作与账号复用，通过纯 JS 驱动提升效率和准确率。