登录社区云，与社区用户共同成长
邀请您加入社区
的 notebook 比 Agent SDK 多出大量资源名：agent、environment、session、resource、memory store、vault、thread、event 和 outcome。把它理解成一套更方便的 Agent API，会看不出这些对象为何需要单独存在。它们共同解决一个问题：Agent 执行会跨越多个模型请求、工具进程、人工审批和服务重启，谁保存这段工作的权
今日GitHub趋势榜呈现多元化格局：Mojo编程语言项目modular/modular以268星登顶，非Agent工具OpenLogi（罗技外设开源替代）以1545星空降第三。榜单呈现三个特点：1. Agent生态虽稳但头部被挤占，MoneyPrinterTurbo虽获2761星仍跌至第八；2. 硬件工具（OpenLogi）、求职工具（career-ops日增翻四倍）等垂直领域崛起；3. 新面孔
最近读《敏捷史话》时，书里提到了 Robert C. Martin。他是《敏捷软件开发宣言》的 17 位签署者之一，也是《代码整洁之道》的作者。看到这里，我想到自己用 AI Coding 时反复遇到的一类问题：生成结果能够运行，却容易留下重复逻辑、多余封装和含混命名；该解释的地方没有注释，有些注释又只是在复述代码。局部看似完成，代码的可读性、修改成本和错误边界却没有得到稳定控制。我最初只想借用《代
工具链开发问题总结（40+实战案例） 本文总结了Claude Code、DeepSeek/MIMO模型、SSH/SCP、Git、VSCode等工具链在开发过程中的常见问题及解决方案： Claude Code连接问题：端口15721代理服务未启动导致桌面端连接失败；DeepSeek模型不支持图片输入；prompt缓存失效问题等。 配置与插件问题：settings.json字段错误导致整个配置文件失效
子智能体= 临时工,会话内部工具,随时可调,不改变你的角色;团队智能体= 组队模式,会话之上的编排,用命令显式启动,让你成为 Lead;/team不出现,不是 bug,是实验性功能的 gate 设计。
Anthropic于2024年11月推出的MCP协议，在短短数月内已被Claude Desktop、Cursor等主流平台采用，社区开发者服务器超过5,000个。然而，协议规范本身从未经过正式的安全分析。现有工作（如MCPSecBench、MCP-Bench）主要聚焦于攻击类型目录和能力评估，并未将MCP集成系统与非MCP基线进行对比，因此无法隔离出协议本身对攻击成功率的影响。MCP的架构设计选择
本文系统解析了Agent记忆机制的完整技术框架。从最基础的上下文窗口记忆，到短期记忆、长期记忆、向量检索、结构化profile、知识图谱等高级应用，层层深入剖析了记忆系统的核心设计原理。文章特别指出向量检索只是记忆系统的一个环节，而非全部，强调记忆管理需要解决信息时效性、冲突处理、可编辑性等关键问题。通过分析Claude Code、OpenClaw等主流框架的内存设计思路，为开发者构建高效可靠的A
摘要： 本文首先澄清了AI领域易混淆的概念，区分了大模型（如GPT、Claude等基座模型）与Agent（如Claude Code等智能体工具）的层级关系，并解释了提示词、多模态、幻觉等关键术语。随后推荐了模型切换工具cc-switch，支持在Agent中快速更换大模型进行测试。文末附带了从基础到进阶的大模型学习路径（含RAG开发、Agent架构、微调部署等四个阶段）及免费资料获取方式，配以详细的
AI竞争格局加速转向落地应用阶段，头部企业战略分化明显：OpenID构建应用生态，Google Cloud聚焦AI上云，Cursor等垂直工具涌现。大模型参数竞赛让位于业务价值实现，行业面临四大落地瓶颈：场景碎片化、需深度业务融合、交付周期压缩和持续迭代需求。新型FDE（前沿部署工程师）角色崛起，需兼具技术架构与业务理解能力，全流程负责AI解决方案交付，与传统算法岗形成鲜明对比。学习路径建议分四阶
支付宝顶尖前端团队转型Agent开发，引发前端圈关注。文章分析Agent作为程序员黄金赛道的三大原因：AI编程工具降低前端壁垒、企业需求转向AI产品交付、Agent商业价值高。Agent开发全栈工程师需融合前端、后端及AI能力，实现从需求到交付的全流程。文章提出转型路径及能力地图，强调复合型技术人才的重要性，并推荐学习资源助力转型。支付宝做了一件事，在前端圈炸了锅。他们把自己最顶尖的前端团队——体
推理强度的价值，是让同一个模型能够适应不同工作负载。简单任务需要快速、稳定和低成本；复杂任务需要规划、探索与检查。最佳档位通常不是最高档，而是能够稳定完成任务的最低档。因此，一个更实用的原则是：先选择适合任务的模型，再从中低推理强度建立基线；只有当真实评测证明质量不足时，才逐级提高档位。当推理强度从一个固定开关变成可评测、可路由的工程参数，模型的能力、延迟和成本才真正开始变得可控。持续拆解 Age
面向日常开发场景的实用手册。。
GPT、Claude、LLaMA、DeepSeek……这些名字背后，都是这套骨架。看懂 Transformer，你就看懂了大模型的一半。2026 年一晃已经过半，AI 大模型的热潮不仅没有降温，反而持续升温！金融行业用大模型做风控、医疗依靠 AI 解析影像，电商、制造、教育各行各业，都在把 AI 融入日常业务。曾经热闹的 “百模大战”，早就告别单纯比拼模型参数，正式进入落地应用时代。懂业务、懂 A
