停止为你的 AI 代理建造“富士康工厂”
作者通过自己编写 54 万行代码的亲身经历，反思了在 LLM 时代的开发范式。他指出，当前大多数开发者仍在沿用旧思维，编写大量代码来限制和监控智能模型，这就像是在为不需要严格监管的超智力工人建造富士康工厂。随着模型成本降低和能力提升，开发者应摒弃“保姆式代码”，转向以 Markdown 为核心的“即时软件”架构，将指令与逻辑解耦，释放 AI 的真正潜力。
全部文档 / 作者: Garry Tan / 标签: LLM
3 篇
如何真正防止 Agent 重复犯错：Skillify 实践指南
本文批评了 LangChain 等框架虽有工具但缺乏工作流，导致 AI Agent 测试困难。作者提出“Skillify”模式：通过构建包含确定性代码和单元测试的 Skill（技能），将潜在的 LLM 推理转化为确定性的工具调用。文章以日历查询和时区计算为例，展示了如何利用“薄框架、厚技能”架构，永久修复 Agent 的重复性错误。
如果裸模很蠢会怎样？Kyle Kingsbury 错在哪里
本文针对 Kyle Kingsbury 关于“LLM 是不可靠的胡扯机器”的观点进行了反驳。作者承认裸模型（Raw Model）不可靠，但指出 Kingsbury 的测试方法类似于在台架上测试发动机并断言汽车不安全。作者提出了“薄线束，胖技能”的架构理念，通过引入确定性代码、技能文件和解算器，将模型的不稳定性转化为可解决的工程问题，从而构建值得信赖的系统。