AI 编程
AI Agent 不是忘了，是上下文堆到窒息：一套 Context Lifecycle
Agent 的记忆问题往往不是少一个向量库，而是缺一套上下文生命周期。结合最新研究提出的五个动作，给出从堆聊天记录到可验证上下文管理的工程方案。
精选推荐
查看全部 →最新文章
查看全部 →
RAG 接上搜索还会答错：AI Agent 的三段式事实链
搜索能力不是给 AI Agent 接一个网页工具就结束了。结合一项多语言新闻检索测试，拆解问题、检索、取证三段事实链，并给出能落到产品里的验收方式。
SOTA 登顶，工程翻车：Claude Opus 5 的工程陷阱
Claude Opus 5 在 Frontier-Bench 和 CursorBench 上登顶，价格比 Fable 5 低一半。本文从 HN 热评与官方案例出发，分析三个最容易被忽略的工程陷阱。
Typeless 评测：当一个程序员决定用嘴写代码之后
深度体验 Typeless AI 语音输入法：它真的能让输入速度提升 4 倍吗？适合什么人、不适合什么人，以及如何用邀请链接免费领 $5 Pro 额度。
Claude Code 官方最佳实践精读：一条约束，管住整个工作流
用美团技术博客式决策推演，重读 Anthropic Claude Code Best Practices：上下文是硬通货，验证闸门、Plan mode、CLAUDE.md/hooks、会话隔离与规模化如何回答同一元问题。
Claude Code 与 Codex CLI 的 6 个偷懒技巧：让 AI 少花钱、多办事
Claude Code 和 OpenAI Codex CLI 的工程师实战经验：上下文预算、CLAUDE.md/AGENTS.md、验证闭环、子代理、静默模式、会话管理。帮你在 AI 编程 Agent 上少花钱、少返工。
五大 AI 编程框架横评：告别 vibecoding，谁在认真解决工程问题？
Superpowers、BMAD、SpecKit、OpenSpec、GSD —— 170000+ GitHub Star 背后的五种思路，到底各自解决了什么问题，又各自留下了什么坑。
精选教程
查看全部 →
Agent 循环的控制流：如何在不确定的环境中做决策
Turn Loop 不只是 while 循环——它是 agent 从"能调 LLM"到"能自主执行"的关键一跃。这篇文章分析确定性控制结构如何管理非确定性的 LLM 行为：你不知道几步完成、会不会走错、记忆会不会溢出。
LLM 调用的真正挑战：确定性代码与概率系统的接口设计
写 LLM 客户端真正的难点不是 HTTP 协议——是确定性代码如何与概率系统对接。200 行 Rust 代码背后，是8篇系列共享的元问题。
TUI 的哲学：透明度不是美化——是代理可信赖的基础设施
TUI 不是美化界面——是让用户理解 agent 决策过程的"行车记录仪"。立即模式 vs 保留模式、select! vs channel、Block vs Line——每个决策都在回答："为什么这个信息需要被用户看到 …
安全设计的核心矛盾：自主性 vs 安全性——三模式如何解开这个矛盾
为什么二进制安全模型对 agent 无效？三模式（YOLO/Auto/Ask）不只是在"全自动"和"全手动"之间加了一档——它是承认用户在不同场景下的信任级别不同。文件沙箱为什么用允许列表？命令过滤为什么用模式匹配？审计 …
工具系统的抽象层次：LLM 的"用户界面"设计
工具不是你调用的——是 LLM 调用的。你设计的不是 Rust API，是 LLM 的"用户界面"。这篇文章把 trait 设计、参数类型、错误消息、注册表选型全部归约到一个根本问题——LLM 拿到工具描述后，能不能做出 …
扩展系统的哲学：每一个扩展都在能力与复杂度之间做交易
Skills 为什么用 Markdown？Subagent 为什么用独立上下文？MCP 为什么选 stdio transport？Memory 为什么用 SQLite？每个扩展的设计都在回答：这个能力值不值得它带来的复杂 …
AI 编程
查看全部 →
Effort、Fast Mode与Thinking——AI的'思考深度'调节器
深入解析Claude Code的推理控制机制：Effort等级、Fast Mode加速与Thinking模式，以及如何根据任务复杂度调节AI的思考深度。
三强争霸还是各取所需？llama.cpp、vLLM 与 SGLang 推理框架深度选型
llama.cpp、vLLM、SGLang 不是同一赛道的竞争者，而是三种不同设计哲学。本文不列参数表，只追问一个核心问题：你的流量形态是否匹配框架的设计假设？含 10+ 组生产基准与决策树。
BigQuery AI.AGG 深度解析：当 GROUP BY 开始调用 Gemini
Google 把 Gemini 接进 BigQuery 聚合函数：AI.AGG 能对文本和图片执行多级批处理，每组返回一个自然语言结论。本文从 SQL 语义、执行机制、成本边界和工程治理四个角度，分析它何时有用、何时危险 …
Agent集群——当AI开始'组队打怪'
深入解析Claude Code的多Agent架构：子Agent、Fork模式与协调者模式三种派生方式，以及Agent Swarm协作与验证Agent机制。
七问 Kimi K3：中国大模型离「好用」还有多远？
月之暗面用一段 36 秒视频宣告 K3 将至。但在 Chatbot Arena 上代号 Kivine 的匿名模型已经在海外开发者圈炸了锅——能跑 3D 页面、能生成视频、敢跟 Fable 5 正面硬刚。本文不列参数表，只 …
Hooks——在关键节点插一脚
深入解析Claude Code的Hooks系统：26个生命周期事件、四种Hook类型、执行模型与退出码语义，以及如何自定义AI Agent的行为。
编程语言
查看全部 →
用 Rust 实现 B+Tree：从第一版翻车到理解数据库页
记录了用 Rust 实现 B+Tree 过程中踩过的设计坑——从错误地把所有节点当内存指针到理解数据页、Buffer Pool 和 Record ID 的完整心路历程。适合正在学习数据库系统实现或 Rust 系统编程的开 …
用 Rust 从零构建 AI Agent（三）：用 Trait 重构 Skill Registry
Part 3 把 Part 1 的 match 分发替换成 Rust trait 体系：Skill、Registry、DynSkill、schemars 自动生成 JSON Schema、并行调用、错误分类、重试 …
用 Rust 从零构建 AI Agent（四）：状态机与多步任务
Part 4 引入状态机解决多步任务：Node trait、Graph 运行器、SQLite 检查点、Interrupt 中断与恢复、PermissionMode 权限门、NodeHook 横切逻辑。
用 Rust 从零构建 AI Agent（五）：多 Agent 协作团队
Part 5 讨论多 Agent 协作：什么时候该加 Agent、什么时候不该加。Agent trait、Crew 并行/串行调度、Router 路由、debate 辩论协议，以及与 Part 3 Skill 注册表和 …
用 Rust 从零构建 AI Agent（二）：结构化 Prompt 架构与缓存边界
承接 Part 1 的工具调用循环，Part 2 深入讲解 Agent 的系统提示词架构：Identity、Instructions、Output、Examples、Context 四层结构，以及 Anthropic …
Rust + AWS Lambda：用 Workload Credentials 做安全的免密凭证实践
Rust Lambda 如何通过 IAM 角色自动获取临时凭证？从 IAM 角色创建、Rust 代码编写到 cargo-lambda 部署，实操 AWS Workload Credentials Provider 的工作 …