文章

学习一个东西，最好的方式之一，是回到它最基本的定义。 不要因为一个概念看起来像常识，就停止追问：它到底是什么？能不能用一句话说清楚？ 这个问题看似简单，实际上很难。我们经常会使用一个词，却未必真正理解它。我们知道它通常在什么场合出现，见过别…

早上坐到电脑前，脑子还很清楚。邮箱里有几封信，Slack 上亮着红点，还有两件昨天留下的小事。它们都有明确的下一步：回一句，确认一下，改一个数字。做完以后，列表短了，心里也轻了一点。 真正需要思考的工作被留到了下午。轮到它时，早上的清醒已经…

给 Agent 设计 Harness 时，可以从少量清晰的原语开始，让具体工具和工作流随任务出现。 Agent 改变了封装的成本 没有 AI 时，SDK 通常是一项合理的权衡。它替开发者处理认证、分页、重试和类型转换，把复杂的 API 包装…

我们通常把“长期运行”理解为一个进程长期存活。数据库、消息队列和 Web 服务启动以后，会持续占用内存、监听请求，直到进程退出。按照这种直觉，一个 Long-running Agent 似乎也应该是某个一直在线、始终思考的模型实例。 Age…

客户很少会把一个整理好的任务交到你手上。 他不会说：“请分析线索质量和销售转化流程，找出成交率低的原因，再提出改进方案。” 他更可能只说： “最近线索不少，但就是卖不动。” 这句话没有明确的输入，没有验收标准，甚至未必指出了真正的问题。 原…

最近，我需要为一个上下文释义功能选择模型。用户点选英文单词后，系统要结合它所在的句子和段落，只返回一个 1～8 个汉字的中文释义。 任务看起来很轻，真正测试时却不简单。技术语境里的 应该译成“竞态条件”，而不是“竞争”；消息系统里的 也不能…

Agent 不是我的导盲犬。恰恰相反，它更像一个能力惊人、行动迅速，却看不见现实的盲人。而我，是它的导盲犬。 它可以在几分钟内读完一个代码库，搜索成百上千份资料，写出程序，操作浏览器，把一个模糊的要求拆成几十个步骤并连续执行。它不会累，也很…

同一个标签，不同的问题 打开 X 搜索 AI memory，会看到许多看似相关的讨论。有人关心上下文窗口中的信息保留，把 memory 理解为当前任务的工作记忆；有人讨论跨会话或跨项目的长期记忆；有人关注 Agent 能否记住用户偏好；还有…

编程语言里的字符串，起初看起来几乎不值得设计。它不就是一串字符吗？把字符连续存进内存，再提供长度、拼接和下标访问，事情似乎就结束了。 C 语言里的字符串通常是一段以零字节结尾的 数组。 计算零字节之前有多少个字节， 取出第 i 个 。只处理…

前阵子，我在拆一个 HubSpot 查询需求。目标只有一句话：员工输入自然语言，就能查到自己权限范围内的数据。 听上去只要把模型和 API 接起来就行：模型能理解问题，HubSpot 也有 API。可自然语言问题最终要变成一次真实请求，中间…

懂 AI 术语、消耗更多 Token，或者给每个工作流都加上 Agent，都不代表 AI Native。 AI Native 意味着看清 AI 改变了哪些成本与约束，再据此重新设计工作。目标是做出更好的结果，并为结果负责。多用 AI 本身没…

AI 编程已经跨过“模型能不能写代码”的阶段，却还没有跨过“团队怎样稳定交付”的阶段。 Prompt、Context、Memory、Tool、MCP、Sandbox、Workflow、Eval，这些零件越来越齐全。真正缺少的是一条被广泛接受…