Tags

news (7) github (7) AI (5) security (4) opensource (1) trust (1) industry (1) supply-chain (1) ai (2) 编码代理 (1) agi (1) 开源 (2) 开发工具 (2) LLM (3) open-source (3) quantization (1) AI代理 (3) 记忆引擎 (1) 自进化 (1) Token压缩 (1) safety (2) inference (1) regulation (2) 技能框架 (1) 记忆系统 (1) 本地优先 (1) 工程化 (2) semiconductor (1) autonomous driving (1) machine learning (1) digital humanities (1) speculative decoding (1) distillation attack (1) model transparency (1) 开源替代 (1) 上下文压缩 (1) AI Agent (1) Claude Code (1) 开源趋势 (2) 开发者工具 (1) AI安全 (1) 大模型 (1) 芯片 (1) 半导体 (1) 蒸馏攻击 (1) 量化 (1) 隐私 (1) Agent (1) 标准化 (1) 工具链 (1) blog (9) rag (2) confidence (1) api (2) architecture (2) workflow (1) project (1) agent (3) learning (1) llm (1)

Tag: blog

自建 RAG 系统还是集成现成框架

在一个需要长期维护的运维平台中,选择自建 RAG 而非集成 LangChain 等框架。这背后的决策不只是代码量的问题,而是对可控性和长期维护成本的权衡。

为什么 Claude Code 不用 ReAct

拆解 Claude Code 源码后发现,它放弃了 ReAct 的 Thought-Action-Observation 三步循环,改用更简洁的 Tool-Use Loop。这个选择的背后是对强模型推理能力的信任,以及一套 "把应用层做得尽可能简单" 的设计哲学。

流程先于智能

Agent 自动化真正难的不是让模型回答问题,而是让它按流程稳定完成任务。

文档先行

文档先行不是拖慢开发,而是把需求、技术和执行拆开确认,减少后期返工。

任务流边界

异步生成任务里,轮询和 SSE 不该互相替代。一个管状态,一个管内容流。

模型适配层

统一 AI 网关不能只靠参数透传。真正稳定的做法,是把每个模型的能力和参数边界写清楚。