AI Game 发展现状：能力边界、踩坑与判断
作者基于数月做 AI Game 生成平台的实践经验，系统梳理了 AI 生成游戏的能力边界。核心观点：决定 AI 游戏上限的是引擎而非模型，纯文本技术栈（Web、Godot）最适合 AI；静态资源多的游戏（策略、卡牌、爬塔）好做，动态素材多的（动作、格斗）难做；代码已不是瓶颈，卡点在素材的成套一致性和数值的体验曲线设计。文章还分享了素材生成、透明背景处理、动画路线选择等工程细节，建议先选引擎、做静态内容多的游戏并给 Agent 接上验证闭环。
全部文档 / 标签: LLM
1042 篇
Agent 内核拆解（四）：Pi 上下文压缩机制详解
本文是 Agent 内核拆解系列第 4 篇，深入分析开源 coding agent pi 的 compaction（上下文压缩）机制。文章介绍了触发压缩的两种条件：context 超过阈值（窗口减去 reserveTokens）和 API 溢出报错，并讲解了溢出恢复流程。压缩时从消息列表末尾回溯找合法切割点（保留最近约 2 万 token 原文），之前的消息用 LLM 按结构化格式（Goal、Progress、Key Decisions 等）总结成摘要，并在末尾追加 <read-files> 和 <modified-files> 文件列表，让模型压缩后仍知道读过、改过哪些文件。文末提供配套可运行代码与实践建议。
沉睡的巨人：Grok Bot为何将吞噬整个AI Agent市场
作者认为Grok Bot被严重低估，它正从被动聊天AI转变为持久在线的自主执行引擎。其核心优势包括：专属云运行环境（带真实浏览器、文件系统和持久登录）、实时网络与X平台数据接入、无需API即可视觉操控各类网站工具、以及多Agent并行深度搜索。文章提供了四个高杠杆提示词框架（趋势预测、竞品审计、自主内容架构、多Agent代码审计），并展望其在VC尽调、销售GTM和软件工程等领域的变革潜力，称xAI正在构建现实世界执行的操作系统。
Multi-Agent System 的并发控制协议与算法笔记
本文是 multiagent system（MAS）设计系列笔记的第二篇，探讨现代 MAS 中的并发控制协议与算法。作者指出许多看似'沟通失败'或'协作失败'的问题，本质上是 stale read、lost update、write-write race 等经典并发异常。文章介绍了 raft.build 提出的 Held Draft 协议，通过版本号校验让 agent 在提交前感知新信息，但也分析了其最坏情况下 n² 级的计算复杂度。最后按工作结构给出了 sequencer、DAG、OCC、lock、CRDT 等不同场景下的适用机制对照表，并附有交互式 live demo 与丰富的论文参考文献。
BestBlogs 早报 · 08-21｜语义表征进入搜索排序，Agent 重做模型分工，YC 把数据与评测当作产品维护
本期早报聚焦三篇精讲：美团搜索3.0探索LLM语义表征在排序模型中的应用，通过联合建模、难负样本和覆盖率验证，将语义信号融入现有特征体系；硅谷101讨论Token经济，强调本地开源模型与云端前沿模型按任务分工，以优化成本与质量；YC Paper Club则从失败样本、弱监督、编码智能体和多语训练等案例，主张将数据集与评测Harness当作长期维护的产品。速览涵盖具身智能、微调模型技术债、Agent可观测性、OpenAI AI Futures、MiniMax Design、Docker安全运行时及Claude Code实战指南。
AI界天花板ponytail：让AI学懒人工程师思维，代码量砍半
本文介绍了开源项目ponytail，该项目在GitHub上拥有91.6k star，其核心哲学是让AI模仿资深工程师的“懒人思维”，优先寻找现成方案或修改配置，避免不必要的代码编写。作者实测发现，ponytail能让AI先思考再动手，自动拆分复杂需求为最小改动，重构老模块时代码量减少近一半。此外，它强制AI编写“为什么这么改”的注释，相当于免费代码审计，对维护老项目尤其有用。作者认为该项目思路独特，不追求跑分，专治AI写码落地难的问题，并推荐给AI方向的开发者。
30个开源仓库，助力AI业务自动化
本文介绍了30个开源仓库，用于构建自动化AI业务的各个层面，包括市场研究、潜在客户生成、内容创作、销售、支持、自动化、分析和安全。作者强调，没有单一工具能完全自动化业务，而是需要组合多个工具形成系统。文章按功能分类列出每个仓库的GitHub星标、用途和典型应用场景，并提醒读者开源不等于免费，且需注意合规性。
What PMs need to know about verification loops in software factories
本文探讨了在软件工厂中验证循环（verification loops）对产品经理（PM）的重要性。文章指出，随着AI代理的普及，人类不再直接提示模型，而是通过编写循环让代理自主工作。验证循环是代理工作、评分、再工作的迭代过程，其中评分器（grader）是关键部分，PM应参与定义评分标准，以确保产品符合用户需求。文章详细介绍了验证循环的五个组成部分、五种评分方法（确定性检查、LLM作为评委、浏览器视觉验证、模拟环境和离线实验），并举例说明如何在构建循环和优化循环中应用这些方法。最终强调，PM在优化循环中可以利用验证循环来评估产品上线后的用户行为，从而推动产品改进。
RAG架构详解：检索、增强与生成
本文深入解析了生产级RAG（检索增强生成）系统的完整架构。文章首先指出LLM的局限性——无法访问私有数据，而RAG通过外部知识检索来弥补这一缺陷。然后详细介绍了系统的两大核心平面：知识平面（离线索引）和运行时平面（在线问答）。知识平面涵盖数据源、解析-分块-嵌入流水线以及向量索引；运行时平面则描述了用户查询、检索重排、LLM生成和答案引用的完整流程。文章还逐步拆解了查询生命周期，包括查询嵌入、Top-K检索、重排增强和生成，并强调了监控指标的重要性。
如何为每个编码代理提供相同的第二大脑
本文探讨了在多个编码代理之间切换时产生的“重置税”问题，即代理间缺乏共享状态导致重复探索、决策冲突和效率低下。作者提出解决方案：不复制整个会话，而是创建一个可移植的、经过审计的任务契约，记录已验证的任务状态、约束和决策。文章强调模型与工具链应分别路由，并指出共享状态应包含权威数据而非未经验证的信息，以避免上下文过载和记忆污染。通过小型、版本化的契约，不同代理可以无缝协作，同时保持各自的优势。
Agent Experience Engineering: the skill that'll make 1000's of millionaires in 2027
本文提出“Agent体验工程”（AX）这一新概念，指设计易于智能体使用的产品，使LLM更愿意采用。作者认为智能体正成为软件的主要购买者，传统UI的粘性优势消失，产品需通过API、MCP服务器、CLI等接口优化智能体体验。同时，原先的“上下文工程师”角色被AX工程师吸收，UI从操作层转变为监督层。文章最后给出实践建议，并预测AX工程师将成为未来品牌必备角色。
AI 记忆分数超过人类参考，这条新路线创业公司也能走
本文介绍了AI长期记忆领域的最新进展，重点分析了Alloomi公司在LongMemEval-S等评测中取得超过人类参考分的成绩。文章详细解读了其背后的技术路线——基于开源模型的自进化后训练流程，包括数据收集、质量筛选、专家锚定、后训练、评测准入和版本回滚等步骤。作者认为，这条路线降低了创业公司的门槛，将竞争焦点从算力转向数据和流程，为行业模型的发展提供了新思路。
从单机到双机：小白靠 AI 助手跑通 124B 大模型的完整记录
本文记录了一位非计算机出身的普通用户，借助 AI 助手，成功在双节点 NVIDIA DGX Spark 上部署蚂蚁百灵 124B 参数的 Ling-3.0-flash 模型，并完成单机 FP4 与双机 FP8 的对比评测。文章详细介绍了从模型下载、SGLang 编译、单机部署到双机配置、公网 API 开放的全过程，并提供了性能数据、踩坑清单和 AI 协作方法论。核心结论是：双机在长输入预填充上优势明显（2.2倍），但解码速度提升有限；上下文长度是硬约束，单机 FP4 适合日常任务，双机 FP8 适合长文档处理。
提示工程背后的科学
本文总结了最新的学术研究，揭示了提示工程中的关键原则。作者指出，随着AI模型的快速发展，旧的提示技巧已过时，并基于最新论文提出了五个核心建议：不要以“对吧？”结尾、忘记“逐步思考”、不信任模型的自信、最多三条规则、目标优于示例。文章还提供了实用的提示模板，帮助读者更有效地与AI交互。
搞了半天听说发提示词能涨粉
本文作者分享了一个自己一直在使用的提示词，旨在让AI助手表现出古怪、聪明且难以预测的行为模式。该提示词要求AI在保持正确性的同时，追求意外性、趣味性和陌生感，鼓励跨领域类比、质疑默认前提、创造新概念，并避免标准AI套话。作者还设定了内部评分机制，确保回答质量，并强调在连续符合预期时主动制造合理异常。
AI Agent的物理裁判层：为 AI-for-Physics 建立可机检的验证判据
文章指出数学有 Lean、代码有编译器和测试作为不可欺骗的裁判，而物理缺乏机器验证器，导致物理 AI 卡在起跑线前。作者分析 LLM 最擅长伪造物理学家依赖的廉价可信信号（量纲一致、推导自洽、独立路径吻合等），且最危险的错误是将近似用在适用域之外。文章借鉴数学和代码领域建立裁判后能力爆发的经验，提出为物理构建可机检的验证层，输出覆盖度证书，包含量纲检查、对称性验证、数值模拟交叉验证和强制隔离的多路径推导，目标客户是做物理的 AI Agent。
如何构建可持续维护的评估集
本文介绍了如何为AI Agent构建可长期维护的评估（eval）指标体系。指标分三类：目标指标、护栏指标和运营指标，三者结合使用。候选指标来源于错误分析和产品目标与硬约束。并非所有候选都值得跟踪：一次性问题用prompt修改解决即可，只有需要持续追踪的泛化问题才建指标；每个指标必须与具体决策挂钩，否则就是噪音。从零开始时，可先阅读30-50条trace并用自由文本笔记聚类失败模式。此外需定期重跑错误分析、退役失效指标，并警惕Goodhart定律导致的过拟合。
BestBlogs 早报 · 08-19：Claude Tag 值班、Agent 上下文成本实验与 AI Coding 四阶段
本期早报聚焦 AI 工程实践三大主题：一是 Anthropic 的 Claude Tag 作为 CI/CD 故障第一响应者，通过记忆、连接器、日程与 Skill 指令形成态势报告，中位 14 分钟发布首份有证据分析，并开源 oncall-kit；二是腾讯云开发者用实验检验 CodeGraph 与 RTK，发现单次输出缩短不等于整体成本下降，关键在于给对上下文而非少给；三是京东技术提出 AI Coding 工具、副驾、协作者、共生体四阶段框架，以验证成本决定人机分工。速览还包括 Google 智能体安全审查、LangSmith 自动评估器、水印合规等内容。
提示词越写越长，为什么反而不管用了？
作者从内容创作和小说写作的实践出发，发现把所有约束堆在一条长提示词里反而失效。核心问题是所有限制都放在顶层，AI 每次都要重新判断哪条重要。作者提出将 Prompt 分为三级：快速原型级解决能不能做，开发级解决能不能稳定做，管理级负责调度 CLI、Skill、MCP、脚本、Agent 等执行单元。顶层 Prompt 像经理，只保留目标、路由、验收和异常处理，具体规则下沉到各执行单元自带的说明中。写 Prompt 最关键的能力不是表达，而是组织能力。
The Agency：61个Agent的GitHub仓库揭示的图工程启示
文章介绍了2026年爆火的GitHub仓库The Agency，它包含61个专职Agent和9个部门，展示了与通用型AI完全不同的思路。核心观点包括：专业化比智能更重要、结构本身就是产品、Agent间的交接即图的边。文章阐述了验证者模式——工作者与验证者绝不能共享上下文，否则就是自己批改自己的作业。最后给出实操指南：用researcher、builder、reviewer三个提示词文件搭建最小三节点Agent图，强调私有上下文与共享状态的分离是构建可靠Agent系统的关键。
双向钢人论证：一个帮你挖出最本质答案的深度思考Prompt
作者从推特上一条让AI先深度思考再回答的Prompt出发，追溯其Reddit原帖，学习了"钢人论证"（steelman）这一源自"稻草人谬误"反义的逻辑方法：先替对方把论点补到最强再判断。为克服AI谄媚、结论含糊的问题，作者设计了"双向钢人Prompt"，让AI重述真实问题、强化正反双方论证、找出关键变量，并逼出明确判断与行动。作者以公司选择司庆日为例，成功用它找到了内心最真实的答案。
AI Agent 时代的审查瓶颈
文章指出大模型使内容生成成本下降两个数量级，而审查成本不降反升，导致开源、安全、学术、法律、招聘、教育等领域同时遭遇审查瓶颈。以 Rust 的 LLM 政策草案、curl 关闭赏金计划等案例为切入点，分析审查容量受限于人力与责任、AI 产出缺乏质量信号且更难审查，并将各领域按有无非人类验证器分为三组，揭示提交与审查成本缺口不断扩大、系统性信任机制被压垮的趋势。
RAG 治不了 Agent 记忆过期：时序上下文的四个机制与开源路线实操
文章剖析了标准 RAG 在处理新旧事实冲突上的结构性缺陷：向量检索没有时间轴、不理解'取代'关系，只能把矛盾甩给模型猜测。作者提出时序上下文的四个核心机制——有效期标记、取代关系、软删除与遗忘、审计日志与证据链，并以 Graphiti 和 OpenContext 两条开源路线为参照讲解落地方式。OpenContext 提供基于时序上下文图的 remember/recall/improve/forget 四动词 API，在数据层解决事实过期问题；Graphiti 则专注作为可插拔的时序知识图谱记忆引擎。文末用律所预算变更案例演示了完整代码流程。
开源 DeepSeek Harness 开箱即用客户端 Pilot Harness 及易用插件
DeepSeek 发布了坚持'一切皆插件'理念的 DeepSeek Harness，模型适配器、工具、文件系统、沙箱甚至 Agent Loop 都可通过插件组合。但其使用门槛偏高，界面仍处开发者预览阶段。作者基于此前 CodePilot 的经验开发了 Pilot Harness，为其加上桌面外壳和一组客户端插件：优化了项目切换、会话 Hover 卡片、输入区和设置页等交互，新增项目文件树、服务商配置等插件，并提供 macOS、Windows、Linux 三平台安装包。作者认同 Harness 拆分组件、允许重组的架构思路，认为这为 Agent 参与调整自身配置预留了接口。
我让 AI 接管邮件：网易邮箱 Mail Agent 深度实测
作者实测网易邮箱大师新推出的 Mail Agent 功能，测试了六类任务：未读邮件整理、项目时间线梳理、CSV 文件导出、历史邮件知识库检索、个性化行为准则与固定记忆、多语言邮件归纳与回复起草。结果显示它能批量处理邮件、生成可用的文件、从历史邮件中检索信息，缺失信息会标注 unknown 而非猜测，固定记忆和多语言能力可减少重复交代与翻译工作。作者认为它改变了邮箱使用方式，让旧邮件变成项目记录和工作证据，但涉及金额、合同等关键信息仍需人工确认。
如何决定用 Grok Bot 做什么：把工作交给 AI 代理的五种形态
文章探讨 xAI 推出的 Grok Bot（拥有独立云电脑的 AI 代理）应该承担哪些工作。作者结合 Matt Palmer 和 Eric Zakariasson 的实际使用案例，将 100 个用例归纳为五种任务形态：重复性工作、多步骤流程、跨网站杂务、定期监控、文档密集型分析。建议从自己最熟悉的无聊任务入手，一次演示让 Bot 形成例程，一个 Bot 只做一个工作，并注意共享登录与持久记忆的安全风险。文章强调应以回报明确、可循环的任务为切入点，而非追求炫技演示。
大模型本地部署完整指南：用 Ling-3.0-flash 搭建自己的 Agent 工作流
本文是一篇面向新手的本地大模型部署教程。作者在 NVIDIA DGX Spark（GB10 芯片、121.6GB 统一内存）上，使用官方适配的 vLLM 分支部署了蚂蚁百灵开源的 124B MoE 模型 Ling-3.0-flash INT4 版本。文章先科普了模型精度、Dense 与 MoE、推理引擎等概念，再详解下载权重、环境准备、启动服务与验证的完整流程，并开启 MTP 投机解码。性能测试显示 8 并发聚合吞吐达 141.38 tok/s，远超本机 Qwen3.8-27B；随后通过逻辑推理、安全边界、长文本三方向测试验证真实能力，最后介绍用 Python 脚本搭建终端 TUI 聊天界面，逐步走向 Agent 工作流与 Token 自由。
AI Agent Engineer 2026：七大支柱与12步学习路线图
作者提出2026年AI Agent工程师的12步路线图，围绕决定Agent成败的七大支柱展开：上下文、工具、记忆、循环、图、Harness与评估。文章指出Agent失败的核心原因是上下文膨胀、循环不收敛、缺乏评估。前半部分详细讲解上下文工程（如Claude Code启动即加载约7850 token、精简系统提示、CLAUDE.md分层管理）、工具与MCP设计（用类型代替示例、延迟加载）、记忆管理（计划文件、主动压缩）等内容，强调七者是同一技能的不同投影，需按依赖顺序学习。
Spend Less Tokens：如何削减90%以上的AI Token开销
文章指出企业AI token开销可削减90%以上，关键在于改变自动化设计思路。多数企业工作流本质上是确定性的，大部分步骤可用普通代码完成，仅在需要判断的环节才需要模型。作者提出不应以整个工作流为自动化单位，而应拆分为单个任务，分别评估智能需求，采用最小可用模型，并利用缓存复用已知输出。其团队采用90/9/1模型分配策略（90%非前沿模型、9%近前沿、1%前沿），实现以最低token成本获取最大效率提升，强调应衡量智能的ROI而非原始开销。
企业真正缺的不是知识库，而是能自己把事办完的数字员工
文章指出企业更需要能自主推进任务的数字员工而非简单的问答机器人。作者利用腾讯云 ADP 4.0 搭建了一个运营商客服数字员工，验证了从自然语言配置、Agentic RAG 检索、多轮对话收集信息到生成工单及运营监控的全链路能力，强调了 AgentOps 平台在企业落地中的实际价值。
