C#从零开始：自己实现一个截屏工具
截屏是典型的"高频低投入"操作——按一下快捷键，框选，复制，三秒内完成。日常使用的微信截屏功能本身做得很完善，快捷键直接唤起，标注、保存、复制一条龙走完。唯一略感不便的是触发链路：截屏这件事往往发生在专注写代码、调试、或翻资料的过程中，手头通常并没有打开微信；为了截一张图先去启动 IM 客户端、等待 ...
将 Pi Agent 接入 HagiCode 的实践之路
将 Pi Agent 接入 HagiCode 的实践之路 本文分享我们在 HagiCode 项目中将 Pi agent 作为一等工作流入口接入的实践经验，包括架构设计、核心组件实现和前后端适配细节。 背景 其实一切都要从那个问题说起：在 HagiCode Mono 项目中，虽然 repos/Hagi ...
DeepAgents - 配置MCP Server
前言 给 Agent 配上 tool 才能干活——查时间、调 API、操作日历。你可以直接用 LangChain 的 @tool 装饰器写本地函数给 Agent 用, 但如果这个 tool 也想通过 API 暴露给外部客户端远程调用, 那就得上 MCP 了。 本文记录在一个实际项目中用 FastMC ...
端侧 Agent OS：手机架构与硬件协同设计
端侧 Agent OS：手机架构与硬件协同设计 目录端侧 Agent OS：手机架构与硬件协同设计0x00 概要0x01 Part 1：核心论断 — 确定性基线与端侧定位1.1 确定性基线差异1.1.1 LLM 之前1.1.2 LLM 之后1.2 硬件约束反塑软件架构0x02 Part 2：硬件基础 ...
微调LLM前你需要了解的一些概念
1. LLM 到底在做什么 大语言模型的核心任务很朴素： 给定前面的 token，预测下一个 token。 例如输入： 法国 的 首都 是 模型要预测： 巴黎 训练时，模型会不断看到类似样本： 输入：法国 的 首都 是 目标：巴黎 如果模型给“巴黎”的概率高，loss 就小；如果模型把“伦敦”预测得 ...
AI没有让创业变容易，它只是把试错变便宜了
过去几年，AI工具确实改变了一个现实：一个人做出产品雏形的速度，比以前快了很多。以前要做一个SaaS工具，至少要拉上前端、后端、设计，再处理部署、支付、数据库和基础运维，哪怕只是做一个MVP，也很容易拖成几个月的项目。 现在情况变了，前端可以用Vite、Next.js和组件库快速搭起来，后端可以放在 ...
我把 Matt Pocock 的 18 个 Skill 全用了一遍，才发现自己一直在瞎用 AI
用 Claude Code 写了几个月代码之后，我开始怀疑自己一直在用错误的方式用它。 不是因为出了什么大问题，而是一种隐约的不对劲：agent 跑出来的代码，往往在细节上偏离我的意图；我以为它理解了需求，等看到结果才发现各说各的。于是我开始花大量时间在后期纠偏上，而不是把精力放在真正有价值的事情上 ...
从Multica看人与人与Agent的协作平台
最近在研究 Multica，一个把 Agent 塞进任务板的协作平台。用了一段时间，我觉得有点意思，但终究只是过渡形态，不是终局。 它解决了一个真实问题，但解决方式是把团队装进平台的固定流程里。7 个预设状态、固定的 issue 模型、被动的看板，团队需要适应这套结构才能用起来。 但真实工作的协作比 ...
专访 Mainline 作者们：聊聊从代码协作到意图协作
在 AI Coding 越来越普遍之后，代码生成会变得更快，也更多。团队成员如果还只靠逐行看代码、看 diff 来理解彼此，成本会越来越高。
Mainline 的做法是让 Agent 在开发过程中自动总结 Intent（意图），并把它和 commit 关联起来。这样团队在 Review 时，可以先看... ...
LangChain 入门 Tools 工具
目录自定义工具基于 Tool 描述工具【不推荐】使用函数名和文档注释描述工具【推荐】定义 Pydantic Model 描述参数工具调用方法完整代码预定义工具示例智能体的方式调用优化自定义 tavily 工具完整代码 模型（Model)是Agent的大脑，负责推理分析。而工具（Tools）则是Age ...
用SymPy自动求解三角形构造与全等条件验证
做 Manim 动画演示三角形全等判定定理时，我需要根据给定的边长或角度条件，在坐标系中精确放置三角形的三个顶点。 手动调整点的位置来凑 SSS、SAS 这些条件，反复试错、坐标对不齐，根本没法精确展示“给定条件后三角形唯一确定”这个核心结论。 这篇文章用 SymPy 把几何约束转化为代数方程，自动 ...
【学习笔记】《Python编程 从入门到实践》第6章：字典创建、遍历与嵌套用法详解
第6章 字典 系列第 6 篇：本文是《Python编程 从入门到实践》读书笔记系列的第 6 篇。 本文内容：字典定义与访问、添加与修改键值对、删除键值对、遍历字典（items/keys/values）、嵌套（字典列表/列表字典/字典字典）。 本章目标：这一篇主要解决一个问题：当一条数据不再只是一个值 ...
深度学习进阶（二十八）现代 LLM 的核心架构设计其三：Decoder-Only 下的 KV Cache
上一篇我们介绍了 SwiGLU，通过引入门控机制让 FFN 能够根据输入动态筛选信息，取代了标准 Transformer 沿用多年的单通路结构。 前两篇的内容都关于结构上的优化，本篇则关于一个核心工程优化。 我们知道，即使是现在的多数大模型，其生成回答的逻辑仍然是自回归生成，即逐个字往外蹦。 因此， ...
当Agent决定“改造环境”：记一次因弱模型作弊导致的实验数据全零事件
当Agent决定“改造环境”：记一次因弱模型作弊导致的实验数据全零事件 故事背景 最近有一篇论文在做实验，发现了一个很有趣的实验现象，那就是我的最弱的模型所在的对照组，其中最复杂的测试对象——PaddlePaddle库总是所有数据都是0。 这篇论文的一个核心任务是让大模型针对某一个被测Python库 ...
AI Prompt 工程化设计最佳实践（Harness Engineering）
AI Prompt 工程化设计最佳实践 一份面向软件工程师的 Prompt 设计方法论，适用于任何需要系统化、工程化提升 LLM 输出质量的场景。 涵盖从简单问答到复杂的多阶段生成流水线的通用原则。 目录 核心理念：把 Prompt 当作代码 原则一：Plan-and-Prompt 分离 原则二：多 ...
AI Coding 如何影响交付链路重构：写代码更快了，为什么人反而觉得更累了？
AI Coding 压缩了写码环节，却把瓶颈转移到 边界澄清、质量把关、跨角色协同 和 上线决策。 原文链接：AI 小老六 很多团队最近都有同一种错觉：代码明显写得更快了，需求却没有同样幅度地更早上线。人没有更闲，反而更容易被多个需求、多个 Agent、多个评审点位同时拉扯。 这不是工具失灵 ...
响应式原理 —— 数据变了，视图怎么知道？
一个困惑 先来思考一个看起来很简单的问题。 下面这两行代码之间，发生了什么？ let message = '你好' // ... 某个时刻 ... message = '再见' // ← 这一行执行之后 // ↑ // 如果页面上显示了 message， // 框架是怎么知道它变了、并且更新页面的？ ...
Cloud Agent 开发笔记(4)：Skill 与 MCP 集成、项目后记
Cloud Agent 开发笔记(4)：Skill 与 MCP 集成、项目后记 上一篇讲了 Agent 事件如何推到浏览器、数据如何持久化、多会话和中断如何处理。这一篇讲能力扩展层：Skill 系统和 MCP 集成。 V1 验证的是产品形态：由管理员角色集中创建和维护 Skill、配置 MCP 连接 ...
开源：把自己"博客转推文"蒸馏成一个 Agent Skill
开源：把自己"博客转推文"蒸馏成一个 Agent Skill 写完一篇博客，最累的往往不是写，是后面那一遍遍的“再分发” 同一篇文章，要拆成 Twitter/X 上一条短而锐的帖子，还要改一版更职业化的 LinkedIn。每次都得重新找那个最值得传播的观点、抠平台字数、判断要不要蹭热点、再配张图。这 ...
高可用之路-闲聊监控指标的局限
前言 在我和GPT探讨了很多天的人生之后，他终于说动了我，让我开启迟迟不想动笔的高可用系列。感谢GPT们让我从大量繁琐技术文档中解放出来，让我有时间进行真正的思考。写博客对我来说最大的收益是强制自己思考，如果连博客本身都被GPT代劳，那还不如不写。所以本文文字AI含量基本为0，纯手敲，顶多听取了一些 ...
