技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
568 条精选近 30 天 555 条共收录 2,928 条
SkyPilot 围绕飞行跑车物理模拟器搭了一个 RL 环境，用 rank-64 LoRA 加 GRPO 后训练 Qwen3-4B，实时决策下风暴踢翻动作落地率 90%，比 GPT-6 Astra 的 74% 高 21%。
能拿走一套可复用的 RL 后训练配方，rank-64 LoRA 加 GRPO 双教师热启动，按风级挑模仿对象、风暴样本加倍、专练慢速远车场景；落到本地模型部署和 Agent 实时决策线，代价是 4 GPU 小时约 13 美元，且配方靠多轮验证集试错才收敛。
cole_dev 在 Hacker News 发布开源项目 Omneum，一个运行在检索与生成之间的本地上下文控制平面，用来源感知的图推理评估 claim 支持度，再在 token 预算内挑选并重建原始段落。
能拿走的是 prepare_context() 的接入方式和 LangGraph 条件边按 claim_support 阈值回退检索的写法，可落到知识沉淀与本地模型部署线；代价是要先做 ContextMapper 映射和 upstream 依赖标注，且精度提升以召回下降换取。
开发者 hunis 在 GitHub 开源 claude-code-mistake-guards，包含 3 个 Claude Code hook 和 4 个上传前脚本，每条规则都对应 Agent 真实重复犯过的错误。
能拿走 3 个 Claude Code hook 加 4 个上传前脚本的写法，把重复犯的错做成机械拦截而不是写进 CLAUDE.md，代价是每个文件顶部要改成本地路径和规则表，且只拦得住到达 hook 的那部分命令。
Gerard Rafie 发布开源项目 NoMoreHappyPath（Apache 2.0，支持 macOS 和 Linux），用 21 个质量步骤把想法推进到可验收的软件。
可借鉴的是把测试先行、红证、独立评审和人工验收串成 21 步交付流程，能替换单 agent 一把梭的派单方式；代价是要自备两家 AI 公司的 CLI 和 API key，一次小应用也要 48 分钟。
小米开源轻量级文档理解模型 Xiaomi-OCR-0，参数规模 0.8B，权重与推理代码已上线 Hugging Face 和 GitHub，单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务。
0.8B 单模型同时做文档解析、字段抽取和 OCR 视觉问答，输出 Markdown/LaTeX/JSON，还带 MCP 服务和 Agent Skill 包，能直接换掉文档解析链路里拼多个模型的方案；代价是要自己验证古籍手写和复杂表格上的实际表现。
作者用一个 60 行的 Breaker 类给大模型调用加熔断，核心是三个阈值：滑动窗口 20 次、失败率 50% 打开、冷却 30 秒后放 3 个探测请求、2 个成功才关闭。
能拿走滑动窗口20次、失败率50%、冷却30秒加3个探测请求的熔断状态机，落到软件工厂的模型调用链路上，前提是设 max_retries=0 并让上层接住 None，还要按模型和区域分桶。
作者为儿童系列故事 Agent 设计了一套 Story Bible 长期记忆系统，用 PostgreSQL 存事实条目、pgvector 做语义召回，解决角色名、道具归属、伏笔状态在多集之间前后矛盾的问题。
能拿走一套 Story Bible 表结构加四层召回和混合打分权重，落到小说创作与知识沉淀线；代价是要自建 candidate 人工确认和 embedding 版本管理。
文章提出用 ErrorStreak 连续错误检测识别 Agent 的伪进展，即参数在变但每轮都失败、CycleDetector 抓不住的空转状态。算法是滑动窗口计数器，默认连续 5 次相似错误注入警告、8 次触发 strategy reset 强制 Plan 反思，任一次成功即清零。
能拿走 ErrorStreak 滑动窗口计数器与 strategy reset 两阶段协议，落到软件工厂的 Agent 运行时兜底，代价是要自己定义相似错误判定，且成功一次即清零会放过间歇性失败。
作者提出多 Agent 拆分的关键不是分几个而是按什么维度分，可用「两个 Agent 能否同时是用户当前处境」做检验，功能是动词可组合、阶段是状态互斥，因此按售前售后、风险、自主权拆才拆得干净。
能拿走互斥性检验、工具重合度与 prompt 重复度两个阈值、槽位渲染传事实不传对话，以及路由与抽槽合并省一次调用；落到多 Agent 派单和知识沉淀，代价是 JSON 解析要包 try 兜底。
这篇指南梳理了 Claude Code 插件机制，插件是把 Skills、Agents、Hooks、斜杠命令、MCP Server 五类组件打包分发的单元，官方市场 claude-plugins-official 已收录 6 个插件，用 claude plugin install <插件名>@claude-plugins-official 一条命令安装。
能拿走一份最小 plugin.json 加 commands/hooks 目录的插件骨架和 Java 规范检查实例，把散在 settings.json 的配置打包成可版本化分发单元，前提是 Claude Code v2.1.269+，且组件目录不能塞进 .claude-plugin。
阿里云云原生团队以“向五位客户发通知邮件”为例，拆解 Durable Agent 如何让任务在进程崩溃后从已提交阶段继续，而不只是恢复聊天记录。文章给出 AgentScope 的 Session、Entry、Document、Task、Commit 五层状态模型，工具调用分 call 与 execute 两阶段，只有保存的重放策略为 safe 才重新执行。
能拿走 AgentScope 的 Session/Entry/Document/Task/Commit 五层状态模型和 call/execute 两阶段工具重放策略，把会话恢复升级成任务级恢复；前提是外部动作要自带幂等标识和原操作查询，否则第四封邮件这类窗口只能留人工核实。
作者用同一订单校验需求手工构造放开写与带约束写两版代码，以 acorn 解析的 AST 脚本统计函数长度、嵌套深度和圈复杂度，放开写版为 102 行、嵌套 4 层、圈复杂度 32，带约束版为 27 行、2 层、8。
能拿走 AST 四指标脚本、CI 门禁写法和 AGENTS.md 维护约束，落到软件工厂的代码生成与合并环节；代价是两版样本为手工构造，指标只量结构不量对错。
作者在 Claude Code 2.1.299 上用一段预埋 4 个 bug 的 Java 代码实测 /code-review，low 档约 9 秒、0.26 美元找全 4 个，high 档约 36 秒、0.38 美元报出 8 个。
能拿走 /code-review 的档位选择与 --fix 用法，接进提交前初审环节，代价是 low 档约 0.26 美元一次、--fix 只改工作区且不编译不跑测试。
作者用一台 Ubuntu 服务器、两个 Docker 容器和五个自写插件，把 NapCat（OneBot v11）、AstrBot 4.29.3、DeepSeek deepseek-flash、本地 Whisper、Edge TTS 和 DSH Agent 串成一条 QQ 机器人链路，并给出可复制的命令与配置。
能拿走 NapCat+AstrBot 双容器串联、modalities 显式声明、Whisper 强制中文加 loudnorm 归一化、TTS 前正则清洗这几处具体配置，落到本地模型部署和知识沉淀线；代价是 QQ 自动化有封号风险，NapCat 重启要重扫码。
作者用飞书机器人做入口、Dify 做编排、FastAPI 做接入层，搭出一套把链接、图片、语音、文件转成可检索知识库并每天生成日报的个人系统。回调层验签后立即 ACK 把重活交给后台，并用事件落库加重启恢复兜住进程重启；去重分事件、并发、内容、恢复四层，内容层以正文 sha256 映射到 Dify document_id 做增量更新。
能拿走飞书回调 3 秒内 ACK 加事件落库恢复、四层去重和内容哈希增量入库的具体做法，落到知识沉淀线；代价是强依赖 Dify、单机 SQLite 只适合个人自用，头条抖音通道需持续维护。
开源个人 Agent Andee 发布 v0.8.0，新增约 20 分钟一次的心跳、六部分本地记录和写在代码里的刹车，没人派活也会自己动。作者称边界放在调度器而非提示词，陌生人来源的输入会被直接拒绝执行保险箱、派活、改记忆等动作；心跳多数在免费关卡停下，走一次模型约 500 token，每天最多 40 次心跳、6 次动手。
能拿走的是把安全边界写进调度器而非提示词、心跳与每日动手次数用代码常量限流、坐标点击改由专用视觉模型定位；落到本地模型部署与软件工厂线，代价是密钥自填、设备不在即停、跨设备不共享记忆。
作者静态读取 Mac 上的 Claude Code 2.1.309 二进制，确认后台 Agent 每约 30 秒会把完整 transcript 发给模型生成 3 到 5 个词的状态行，并找到同一段提示词和五条跳过规则。
能拿走的是用 OpenTelemetry 按 query_source 分组统计 agent_summary 的 cost_usd，先量出自己这套的占比再决定要不要动；代价是这些请求不写进磁盘会话日志，只读日志的成本工具会漏算。
作者给自己运行的 agent 系统写了个单文件零依赖脚本，把日志拆成单次上下文、缓存命中率、每步成本三个数，改完三处后每步成本从 0.026 元降到 0.0058 元。
能拿走三个成本指标（单次上下文、缓存命中率、每步成本）和挡工具输出、锁前缀两条纪律，落到本地模型部署和软件工厂的调用成本核算上，代价是要先有结构化日志。
作者复盘自家 Agent 向人提问机制的四个月重写，核心做法是工具不阻塞等待，而是返回一张状态为 waiting 的卡片落库，下一轮开始前找到最近一条未回答卡片补上回复再继续跑。
把等待做成工具成功后落库的一条待回答消息，下一轮开轮先补全再续跑，能换掉阻塞式 ask_user 占进程的写法；代价是要改回放和持久化路径，且提示词拦不住模型跳步，得在执行侧加签名校验。
作者以《天龙八部》问答项目为例，用 LangGraph 在图上逐步加节点，把线性 RAG 改造成可路由、可多跳、可评估联网兜底、可混合召回重排的 Agentic RAG 闭环。
能拿走 LangGraph 条件边加 withStructuredOutput 做路由、子问题拆解禁指代、LLM 决策配轮次硬护栏这套写法，落到知识沉淀和本地模型部署的检索链路上，代价是每轮多一次 LLM 调用且状态字段必须对齐。