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。
#AI 编程
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。
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。
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 …