📚 Wiki 知识库

全部文档

11 篇
清除

Claude Code 正在创造新型开发者:从 AI 助手到智能编排

文章探讨了软件开发的范式转移,指出开发者不应仅将 AI 视为简单的聊天或代码生成工具,而应构建围绕智能体(Agent)的完整操作系统。通过优化上下文管理、工作流编排和长期记忆系统,开发者能将 AI 转化为高效的工程系统。这种从“写代码”到“编排智能”的转变,将是未来的核心竞争力。

技术Agent ✍ Suryansh Tiwari🕐 2026-05-3010.3 KB

最重要的 AI 创业方向不是 Agent,而是 AI 记忆

本文深入探讨了当前 AI 行业被忽视的“痛点”:AI 缺乏长期记忆。作者认为,比单纯追求更聪明的大模型或自主 Agent 更重要的是构建“持久认知层”。文章以 GBrain 为例,阐述了它如何超越传统的检索生成(RAG),通过自建知识图谱和“梦境周期”维护,实现对信息的真正理解与关系连接。这种能积累上下文、提供确定性智能的“记忆基础设施”,将成为未来 AI 的真正护城河。

技术LLM ✍ Suryansh Tiwari🕐 2026-05-256.8 KB

如何构建 AI 操作系统与自主工作流

文章探讨了从单一 AI 工具向 AI 操作系统的范式转变。AI 操作系统不仅仅是一个模型或聊天机器人,而是一个位于人与软件之间的智能编排层,包含智能层、记忆层、工具层、代理层、编排层和反馈层六大核心架构。文章详细介绍了如何通过从单一工作流入手、拆分专业角色、建立共享记忆和连接外部工具来构建这一系统,从而将软件从“使用”的对象转变为协同运作的伙伴。

技术Agent ✍ Suryansh Tiwari🕐 2026-05-2212.4 KB

Claude + Figma 彻底改变了网页设计:从想法到落地的革命

文章探讨了 Claude 结合 Figma 如何解决网页设计中最难的部分:从“想法”到“执行”的转化。作者指出,AI 极大地提高了从规划、文案到代码生成的效率,使得一个人就能完成以前需要一个团队的工作。文章强调,未来的核心竞争力不再是单纯的编码或绘画能力,而是人类的审美品位、指导 AI 的能力以及快速交付的速度。

技术LLM ✍ Suryansh Tiwari🕐 2026-05-174.3 KB

Claude Code 的 Agent 开发工具包:AI 工程化的未来蓝图

文章指出 AI 正从简单的“聊天机器人”演化为复杂的“操作系统”。作者深入剖析了 Claude Code 的 Agent Development Kit 架构,该架构包含五层设计:作为记忆层的 CLAUDE.md、作为知识层的 Skills、作为护栏的 Hooks、用于委派的 Subagents 以及用于分发的 Plugins。这套蓝图将 AI 转变为具备记忆、规则、委派和编排能力的数字组织,标志着开发重点从提示词工程转向了 AI 基础设施工程。

技术Agent ✍ Suryansh Tiwari🕐 2026-05-076.7 KB

20年来编程最大的范式转变:从编写代码到引导智能

文章探讨了 AI 编程代理带来的根本性范式转变,指出我们已从“手动编写代码”转向“用英语描述系统并让代理执行”。核心变化在于工程师需从关注语法转向关注系统约束和结果。文章提出了四条实用原则:先思考后编码、极简优先、精准修改和目标驱动执行。虽然这可能降低原始代码编写能力,但它提升了工作野心的上限,使程序员从打字员转变为系统思考者。

技术LLM ✍ Suryansh Tiwari🕐 2026-05-035.6 KB

RAG Is a Lie — Karpathy's LLM Wiki 模式解析

文章批判了当前主流的 RAG(检索增强生成)模式无法积累知识的局限性,并介绍了 Andrej Karpathy 提出的 LLM Wiki 范式。该模式主张让 LLM 维护一个动态的结构化知识库(Wiki),在数据摄入时进行编译和整合,而非在查询时临时检索。这种方法通过将繁琐的维护工作交给 LLM,实现了知识的复利增长和自我进化,解决了传统知识管理系统中维护成本高昂的痛点。

技术LLM ✍ Suryansh Tiwari🕐 2026-05-024.7 KB

如何在6个月内从零成为AI工程师(2026版)

本文针对2026年的行业现状,驳斥了通过传统机器学习理论入行的误区,提出了6个月速成AI工程师的实战路线图。作者强调无需深奥数学,而应从Python和API调用起步。核心路径涵盖:深入掌握LLM原理与提示工程,精通RAG(检索增强生成)及语义分块、重排序等进阶技术,最终构建结合Agent与生产级思维的复杂AI系统。文章指出,唯有动手解决实际问题、构建高可用系统,而非单纯考取证书,才是成为合格AI工程师的关键。

技术LLM ✍ Suryansh Tiwari🕐 2026-04-284.0 KB

AI Agent Harness 解析:为何智能体在生产环境中会崩溃

文章指出,许多所谓的“AI 智能体”实际上只是连接了工具的模型,演示完美但上线即崩。核心问题往往不在模型本身,而在于支持其运行的“Agent Harness”(智能体挽具/系统)。文章详细解析了 Harness 的三层工程架构(提示工程、上下文工程、系统挽具工程),阐述了编排循环、上下文管理及工具接口的实现机制。作者强调,真正的工程杠杆在于优化这个将无状态模型转化为行动能力的系统,而非盲目更换底层模型。

技术Harness Engineering ✍ Suryansh Tiwari🕐 2026-04-278.5 KB

Sub-Agents vs Agent Teams: 决定性架构决策

本文探讨了 AI 系统中“子代理”与“代理团队”的区别。子代理适用于并行、隔离的任务,专注执行且无状态;代理团队则用于需要上下文共享的协作任务。文章指出架构设计应基于上下文边界而非单纯的角色拆分,并总结了 Prompt 链、路由、并行化等 5 种关键模式。

技术Agent ✍ Suryansh Tiwari🕐 2026-04-254.5 KB

Claude Design:首度真正威胁 Figma 的设计工具

文章探讨了 Anthropic 推出的 Claude Design 对设计行业,特别是 Figma 构成的巨大挑战。Claude Design 摒弃了传统的空白画布模式,转而采用“意图优先”的设计逻辑。它不仅通过自动化减少了繁琐的机械操作,缩短了迭代周期,还内置了设计系统一致性维护能力。这种从“工具”到“系统”的转变,降低了非设计师进行高质量设计的门槛,迫使设计工作流的核心从“如何执行”转向“如何清晰表达意图”。

技术工具与效率 ✍ Suryansh Tiwari🕐 2026-04-246.8 KB