内容类型
拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
439 条精选近 30 天 437 条共收录 1,601 条
Kestrel_VLLM 系列第 15 篇记录在 RTX 5090 上跑 Qwen3-30B-A3B q4 的 decode 优化，64 token 吞吐从 52.7 tok/s 提升到 118.8 tok/s，即 19.0 ms/tok 降到 8.4 ms/tok，总加速 2.25×。
能用 VLLM_CUDA_STUB_{ATTN,ROUTER,GU,LMHEAD} 逐段跳过定位真瓶颈，再套转置归约、router 并行化、M=1 线程映射、CUDA Graph 四个小改动；代价是 attention 与 router 属近似安全，换 prompt 要重新对拍 greedy。
作者用本机沙箱复跑同一份 9,000 条同步任务，裸奔组因即到即重试、整批重放、无预算账本，12 分半烧穿 20,000 次月额度，任务只完成 6,747/9,000。
能拿走四段失败处理代码，Retry-After 优先、指数退避加抖动、逐条断点、任务预算熔断，换掉现在即到即重试加整批重放的写法；代价是任务时长被拉长，预算线要按实测故障率回推定。
作者拆解 Anthropic 在 Claude 写掉 Claude Code 90% 代码后的评审做法，用 L0 到 L5 六层防线替代逐行人工评审，并按风险分档决定人工批准次数。
能拿走六层评审防线、3 轮收敛上限和 CLAUDE.md/REVIEW.md/PR 模板，落到软件工厂的评审环节；前提是先有 flag、合并队列和一键回滚，否则砍人工评审等于把风险推给线上。
作者用 @modelcontextprotocol/sdk 1.30 手写了一个不到 120 行的 MCP Client 和 Agent Loop，把 stdio Server 迁到 Streamable HTTP 后，实现连接、tools/list 发现、JSON Schema 转模型 tools 格式、tool_calls 执行回灌的完整三轮调用链。
能拿走不到 120 行的 MCP Client 与 Agent Loop 骨架，含 JSON Schema 转 tools 格式、工具名加来源前缀、错误回灌三条纪律，落到软件工厂的工具接入层；代价是得自己兜首次连接重试和工具数量膨胀的 token 成本。
AgentScope-Java 系列教程第三篇演示用 orchestrator-workers 模式搭内容团队，在 workspace 的 agents/ 目录放一个 Markdown 文件就声明一个子 Agent，YAML front matter 写 name、description、temperature、tools，正文即系统提示词，Java 代码零改动。
能拿走 agents/ 目录下 md 文件声明子 Agent 的写法，front matter 里 name、description、temperature、tools 各管一件事，落到软件工厂的多角色流水线；代价是 description 漏写不报错、子 Agent 不自动继承父级工具，得靠 AgentSpecLoader 写单测兜底。
文章解析了 Agentic Awesome Skills（AAS）V19.13.0，一个收录 2737+ 个 SKILL.md 文件的本地优先 Agent 技能控制平面，通过 npm exec 配置本地 MCP 接入 Codex 或 Claude，首次配置会预览变更并要求手动确认。
能拿走的是用 npm exec 配本地 MCP 接入 Codex/Claude、先 dry-run 预览再确认的流程，以及用过滤和 --all 控制 2700+ 技能带来的上下文过载，代价是 Apply 与恢复仍属实验性，需人工审批兜底。
Graphify 通过 tree-sitter 在本地对约 40 种语言做 AST 解析，把代码库连同文档、PDF 等资产建成可查询知识图谱，替代向量检索式 RAG。
可用 tree-sitter 本地解析代码建图替代向量 RAG，边标 EXTRACTED/INFERRED 便于核对；代价是动态语言依赖捕获不全、重构后增量更新开销未说明。
樊小肆开源了 DeepSeeker-Code，一个 DeepSeek 驱动的 AI 编码助手，提供 VS Code 插件和终端 CLI 双端，包含 agent 主循环、工具系统、MCP、Hooks、Skills 和子代理。
可借鉴工单 frontmatter 写验收命令加预算帽、worktree 隔离串行挂机、结算单与 /usage 对账这套做法，落到软件工厂线；前提是自备 DeepSeek API Key 并接受单人项目生态与模型能力差距。
作者从 GitHub 项目 open-bots 的 git 历史里挖出被删除的 api/chat.ts 共 713 行，逐段拆出 5 个可复用设计和 2 个反面教材。
能直接抄走总预算超时、尾部答案提取、SSRF 三道锁和 402 只报价不付款四段代码，落到 Agent 工具链和软件工厂；前提是读 TypeScript 并接受 DNS 全量解析仍有 TOCTOU 缺口。
Ward 复盘开源 AI 网关 Magpie 的调优过程，把路由收敛为 5 大组，全天 4,685 个请求中 4,671 次正常返回、无 400 崩溃，Prompt Cache 命中率超 95%。
能拿走顺位排错、跨家族只读审查子代理加 AGENTS.md 门禁、rotate+session 亲和轮换多账号三套配置，落到软件工厂的多模型路由上，代价是得自己翻日志找截胡和缓存偷跑。
美团技术团队把 Karpathy 的 AutoResearch 搬进企业云端训练平台，经三次重构从单线程 LOOP 升级为 CyclicGraph Engine 图探索架构，两个业务建模项目单任务耗时较人工基线分别减少约 85% 与 83%。
能拿走 Spawn-Converge 三步闭环和状态文件硬约束的做法，换掉单 agent 串行 LOOP 的迭代流程，前提是训练可异步、指标可机器判读，且需自建知识库与人工审核卡点。
作者扫描本机 275 个去重后的已安装 Agent Skill，只有 15 个（5.5%）在 description 里写了 Do not use 这类负向触发，厂商 curated 包为 21.1%，社区为 4.3%。
description 里补一句 Do not use for 加相邻任务，能压掉 skill 误激活这类不报错的故障；作者扫了本机 275 个 skill 只有 5.5% 写了，改一句约 1 分钟，前提是能说清最怕被误用的场景。
《Agent Harness 从用到造》第 2 讲提出工具调用是传输、服务、参数校验、执行、回滚五段链路，MCP 只标准化了前两段，校验、执行抛错和回滚的责任仍归写 harness 的人。
能拿走五段链路归因表和 naive/guarded 双线台架，给工具调用逐段加拦截与回滚，落到软件工厂的 Agent 派单链路上；代价是超时只是预算不是确定性，全局 try/except 也换不来可定位。
这篇长文系统梳理 AI Agent 的持久化记忆体系，把用户记忆和共享知识库放在同一套技术栈下讨论。
能拿走四种记忆存储格式的取舍标准、BM25 与混合检索加跨编码器重排序的完整流水线，以及 Proposer/Reviewer 异源互审的知识更新流程；落到知识沉淀和本地模型部署两条线，代价是结构化索引和上下文前缀都要额外 LLM 调用。
GoWind CMS 拆解其智能问数（NL2SQL）功能的四层护栏，核心文件是 core 服务的 ai_query_service.go（627 行，带测试），主链路为 LLM 生成 SQL、过护栏、只读事务执行、再让 LLM 生成结论。
能拿走四层护栏的具体实现，表白名单兼作数据字典、禁分号与注释、外层包 LIMIT 100、READ ONLY 事务加 30 秒超时，落到知识沉淀和本地模型部署的 NL2SQL 链路上，代价是黑名单仍有编码绕过，需靠白名单和租户谓词校验兜底。
作者通过抓包对比 Claude Code 2.1.303 和 2.1.304 的请求体，梳理出后台 Bash、后台 Agent、Monitor、Cron/ScheduleWakeup、Workflow 五种异步工具形态，并给出各自的调用方式、生命周期限制和选型表。
能拿走后台 Bash、TaskStop、输出落盘、deadline 四件套和按 prompt cache TTL 设计唤醒间隔的做法，落到软件工厂的派单流程；代价是任务管理、缓存 miss 和子代理独立上下文都要额外付 token。
作者用 Node 和官方 TypeScript SDK 写离线 MCP 服务器 cn-dev-mcp 时发现，stdio 传输下 stdout 只能输出一行一个 JSON-RPC，不带换行的日志会和下一条消息拼成一行导致解析失败，客户端 5 秒后超时而服务器本身不报错。
能拿走 stdout 守门测试和日志全走 stderr 的规则，落到本地 MCP 服务器部署这条线；代价是依赖库如 dotenv 17 默认往 stdout 打字，加依赖后得重跑测试。
作者给出一条三段 Prompt 链，把 PRD 依次交给需求拆解器、估点与依赖修正器、INVEST 审查器，产出带估点、依赖图和验收标准的任务卡。
三段 Prompt 链可直接抄用，把 PRD 拆成带 schema/interface/infrastructure 依赖图和验证税系数的任务卡，接进软件工厂的排期环节；代价是每段都要人审，估点系数得用自己团队历史数据校准。
Context Hub 发布本地 Agent 资产库，把 MCP server、技能、提示词和插件包集中存一份，再按 Claude Code 和 Codex 各自的格式投递到 .mcp.json、config.toml 和技能目录。
可借鉴 JSONC/TOML 逐节点文本区间编辑、注释标记幂等投递、上游哈希加本地目录哈希双判更新三条做法，落到本地模型部署与知识沉淀线，代价是要为两种格式各写一套编辑器并覆盖注释、尾逗号等边界测试。
文章指出 prefix caching 只优化 prefill 不影响 decode，收益集中在 TTFT，多 agent 共享 system prompt 和工具定义时命中率接近零的根因是前缀没对齐。
能拿走一套 prompt 拼装顺序和 stable_json 固定序列化写法，把多 agent 共享前缀的命中率从接近零拉起来；代价是要改字符串拼装规范，且容量不足时缓存反而互相淘汰。