Deep Research Agent 要稳定完成多工具协同,不能只依赖通用模型的原生 Function Calling。围绕 FC-SFT 冷启动链路,讲清种子数据构造、Teacher 轨迹生成、质量过滤、防遗忘混合训练和评估闭环。
Harness Engineering 的关键不只是编排 Agent 工作流,更要让团队经验持续沉淀成可复用的知识资产。围绕知识分层、Git 化协作、按需检索、生命周期治理和异步人机协作,讲清 AI 工程交付系统该如何设计知识闭环。
围绕 AI Coding 和生成式内容工作流,梳理 9router、jcode、agentmemory、SuperSplat 等 7 个 GitHub 项目的定位、核心机制、适用场景和上手方式,帮助快速判断哪个工具能解决当前问题。
围绕淘宝闪购 AI 工程岗终面常见问题,系统拆解 RAG、Embedding、相似度计算、Prompt 注入防护、Agent 演进、文件上传、权限过滤和 AI Coding 等核心知识点,帮助把 AI 项目讲得完整、可信、可落地。
Claude Code 和 Codex 在代码搜索中都选择了零索引路线:不用 embedding,不建向量库,而是让 LLM 驱动 ripgrep 多轮搜索。围绕工具调用循环、ripgrep 性能、Cursor 对比和 token 成本,讲清这种架构为什么在本地代码库里成立。
卡片式对话不是把组件塞进聊天框,而是涉及模型输出、Markdown 流式解析、实时数据获取、跨端渲染和事件通信的一整套协议设计。这里系统讲解代码块扩展、占位符、自定义标签、增量 Patch、Tool 驱动以及四层统一协议的落地方式。
智能体在没有规则的目录里会直接执行任务,久了就会留下混乱的文件结构、命名和上下文。约束先行要求先写全局与项目级 CLAUDE.md,再让 Agent 按规则开发、研究或管理知识。
SkillClaw 是阿里 DreamX 团队开源的 Agent 技能进化框架。它把多用户交互轨迹沉淀为共享证据,在后台自动修正或创建技能,并通过夜间验证把更好的技能同步给所有 Agent。
办公 Agent 的瓶颈已经从“能不能生成内容”转向“能不能把结果交付到真实工作流”。围绕 QClaw V2 的 Connector 和 Multi-Agent 能力,讲清 AI 办公自动化如何从对话框输出走向文档、邮件、会议和多角色协作。