13 篇文档带有标签「ai-systems」

如何封装可复用的 Agent 流程，验证触发逻辑与执行结果，并管控可移植性及代码执行风险。

如何为 Agent 组装精简且时效性强的工作集，同时将来源溯源和持久状态保留在模型窗口之外。

从设计概念、通用语言、TDD、深度模块到灰盒委托，经典软件工程原则如何解决 AI 编程中的失效模式。

拆解 AI Agent 周边的控制、上下文、工具、证据与评测层，提供一张实用的系统地图。

定义工具的输入、权限、副作用及失败证据，确保模型与运维人员都能清晰理解。

规范、厂商说法、基准测试、个人观察和推荐不是一回事，写笔记时要说明每种材料到底能证明什么。

从 Harness 的控制职责、Pi 的最小核心与安全边界出发，理解编程 Agent 如何执行、恢复和验收任务。

从 Codex 的运行状态、上下文压缩、接入接口与两层安全控制，理解生产级 Agent Harness 的工程职责。

从协议视角拆解 MCP 的架构、生命周期、核心原语、传输机制、信任边界及替代方案。

让 AI 帮你找盲区、解释一步和提供练习，但回忆、推导与解题仍由自己完成。

选择 AI 助手应保留和检索的信息，分清笔记、搜索结果与操作依据。

通过步数限制、工具校验、结果验证、取消机制及持久化状态，确保 Agent 循环可控且可恢复。

把收集、证据、私人理解和公开文章分开处理，资料多起来以后也不用再造一个中央知识库。