NVIDIA 给 3 万人 RAG 助手装了一个数据飞轮
10 月底，NVIDIA 一个 12 人小组在 arxiv 挂了一篇论文（编号 2510.27051），题目叫《Adaptive Data Flywheel: Applying MAPE Control Loops to AI Agent ...
分类更新 / 第 2 页
架构设计
系统设计、云边协同、服务治理与工程架构实践。
本栏重点
正在发生
构建 Agent 和写软件，是两种工程
写了十年代码的工程师，上手 AI Agent 时常常比新人还别扭。不是能力问题，是直觉问题——越熟练的旧直觉，越容易在 agent 面前变成包袱。 Google DeepMind 的 Philipp Schmid 在 AI Engineer...
Agent Harness 不是要安装的软件包
做生产级 Agent，很多人第一反应是挑一个框架、看一眼文档、运行一下 Hello World，然后觉得大事已定。 Mike Piccolo 的文章 How to Build Your Own Agent Harness 直接拆穿了这个幻觉...
Superpowers 把 vibe coding 推回 TDD
最近几个月，社区里出来一批”反 vibe coding”的 Claude Code 插件。它们的共同形态都差不多：把一段写代码的过程拆成 brainstorm、spec、plan、worktree、subagent ...
大模型时代的 Agent 框架，不只是比谁写得快
这篇文章整理自 The Gray Cat 对 GSD 和 OpenSpec 的一次实测对比：同一个中型写作社区产品，同一个 PRD、同一个模型、同一个 Codex CLI。真正值得看的是，它把 Agent 框架到底在约束“改动”还是“项目”...
OpenSpec：给 AI 写代码这件事加一层"规格说明书"的逻辑
**什么改变了我的想法？** 以前我认为"规格说明书"这种东西是给大团队、正式项目用的，个人用 AI 写代码根本不需要这套流程。看完这个视频我意识到，恰恰因为 AI 写代码时的"自行补全"倾向太强，你反而更需要一个清晰的规格来约束它，否则它...
大型代码库里的 AI，真正先放大的不是写代码，而是“理解代码”
这篇分享最有价值的地方，不是又一次鼓吹 AI 写代码，而是把一个更容易被忽略的事实说透了：在大型代码库里，真正提升产出的常常不是生成能力，而是理解能力。 本文整理自 Sentry 工程师 Priscila Andre de Oliveira...
AI 代理的四种记忆：从上下文窗口到跨会话学习
这期视频表面上在讲 AI agent 的四种记忆，真正有价值的地方是它把今天已经落地的几套工程做法放进了同一张图里：上下文窗口负责眼前，Claude.md 这类项目文档负责常识，skills 负责做事的方法，跨会话记忆才负责真正意义上的“越...
Claude Code 的记忆系统
每次新开一个 Claude Code 会话，上下文窗口是空的。你之前告诉它的事情，它全忘了。 这不是 bug，是设计。问题在于，每次重新解释同一套规则，实在太麻烦。 Claude Code 提供了两套机制来解决这个问题：你自己写的 CLAU...
AI 时代，创业者最大的敌人是快
以前，一个非技术创始人想做一个产品，最少要三件事：找技术联创、融资、等工程师。这个周期动辄半年。 现在，他只需要打开 Claude Code，用自然语言描述需求，几天后就有一个能跑的原型。 Anthropic 最近发布了一份创业手册，讲了这...
用 Claude 做一个会自己长脑子的知识库：比 Obsidian 插件栈更轻，也更像真正的第二大脑
一期讲 Karpathy 式 LLM Wiki 的视频实操：三个文件夹、一个 Claude MD、按月 health check，让 AI 当知识库管理员，而不是继续让人自己维护插件栈。 本文整理自 Systems Made Better ...
Agent Harness 是 AI 编程从提示词走向工程系统的一步
过去两年，大家讲 AI 编程，最常见的词是 prompt engineering、context engineering。现在又冒出一个新词：agent harness。词一多，概念就容易乱。Caleb Writes Code 这期 8 分...
FDE 是谁：AI 落地的最后一公里，由人来扛
最近招聘市场冒出一个被反复提起的岗位——FDE，Forward Deployed Engineer，中文译作”前线部署工程师”或”驻场交付工程师”。Indeed 的数据显示，2025 年前 9...
Langfuse：AI Agent 时代的可观测基础设施
软件工程里有一个老规律：每当一种新形态的应用大规模出现，先解决”看得见”问题的基础设施就会成为事实标准。Web 时代是 New Relic 和 Datadog，移动时代是 Crashlytics，云原生时代是 Pro...
Andrej Karpathy 对 agentic engineering 的最新补充
最近关于 AI 编程的讨论，已经从“会不会写代码”转向“怎样把一个不稳定的智能体放进可控的工程系统里”。Karpathy 这场新对谈把 software 3.0、可验证性、jagged intelligence 和 agentic engi...
Positional Encoding 怎么解决词序问题
Transformer 刚出来时，很多人把注意力都放在 self-attention 上。那当然没错，因为它确实重新定义了模型怎么看上下文。但如果只盯着 attention，你会漏掉另一个同样关键的问题：模型怎么知道词序？ 这是我看完这期视...
Self-Attention 为什么成了 Transformer 的核心机制
软件模型有过一个很长的阶段：它们能读句子，却不太会“理解句子”。问题不在词表，也不完全在参数规模，而在于早期模型看待语言的方式太像流水线——前一个词处理完，才能轮到后一个词。这样一来，句子一长，前面的信息就会慢慢变模糊。 这就是我看完这期视...
Multi-Head Attention：一句话有歧义怎么办？多看几遍
自然语言天生有歧义。 "The detective followed the spy with binoculars." 这句话有两个完全合理的理解：侦探拿着望远镜跟踪间谍，或者间谍带着望远镜刚好被侦探跟上了。人脑能瞬间意识到两种可能，但早...
Harnesses 让 AI Agent 变得可靠
软件开发里，大家最熟悉的词可能还是 agent。 但最近两年，另一个词开始频繁冒出来：harness。 这个词不好翻。按字面，它是“安全带”或者“束具”。不过放到 AI 工程里，我觉得它更像一层“驯化外壳”——不是替代模型，而是把一个不稳定...
Claude Code 的第一条 Prompt，重点从来不是“怎么写一句漂亮的话”
很多人第一次打开 Claude Code，最紧张的地方往往不是功能不会用，而是不知道第一句话该怎么说。这个视频其实很短，讲的也不是复杂技巧，但它点醒了一个很容易被忽略的问题：**Claude Code 的第一条 prompt，重点从来不在“...