本文解读 Lauren Tan 关于在生产线中大规模运行并行 agent 的视频，指出 2,000/2,500 个 PR 的数字并非关键，真正值得学习的是背后的 agent 信任系统。作者提出吞吐量来自一条信任链：验证把'完成'变成证据（'能编译不是证据'），agent-friendly 架构让正确路径成为最短路径，代码库通过消除注释和固化纠错来记住每次改进，园丁角色维护 paved path，外循环把线上问题送回内循环。文章还给出从最小闭环起步的五步实践建议，以及纠错应写入系统的五层顺序：codebase、静态分析、rules/skills、style guide 和人工评审。
本文是系统设计系列三篇中的第二篇，聚焦架构决策与关键组件。作者逐一讲解了事件驱动架构（EDA）的松耦合与异步通信优势、Serverless 架构的按需执行与冷启动特性、CDN 通过边缘节点缓存静态内容的原理、消息队列在生产者与消费者之间的解耦与缓冲作用、Pub-Sub 一对多广播模式与队列的区别，以及后台任务处理（将非关键任务异步化）和 Cron 定时任务等模式。文章强调知道组件与知道如何组装系统不同，重点在于权衡各架构选择的成本与收益。
本文是系统设计基础三部曲系列的第一篇，介绍了软件系统设计中的核心构建模块，包括客户端-服务器架构（二层与三层架构）、垂直扩展与水平扩展的区别、数据库基础及CRUD操作、ACID与BASE两种事务模型、CAP定理及其在分布式系统中的权衡、关系型数据库（SQL）与非关系型数据库（NoSQL）的特点与适用场景，以及数据库主从复制的读写分离模式。每个概念都配有简明解释、图示、解决的问题及背后的权衡，适合系统设计入门学习和面试准备。
本文是 pstack 指南第二部分，介绍作者用 agent 进行调研、规划、原型和架构的工作流。核心观点是通过 /teach、/recall、/how、/why 等 skill 建立并保持对代码库的心智模型；用「readme 驱动开发」和 /technical-writing skill 以代码和文档形式规划；用 prototype 剧本并行生成多个方案让 agent 以实证回答开放问题；用 /architect 多阶段流程跨模型家族竞争设计并交叉评判。作者强调抽象计划只给人进步的幻觉，应让 agent 通过原型和验证自己回答问题，从而每月将数千个 PR 推进生产并保持高质量。
本文面向系统设计初学者，清晰区分高层设计（HLD）与低层设计（LLD）。HLD关注系统整体架构，如组件交互、数据存储与扩展性；LLD关注代码级细节，如类、对象与设计模式。文章强调两者缺一不可，并深入讲解请求流程、延迟与吞吐量、垂直与水平扩展等核心概念，为初学者提供了一条清晰的学习路径。
本文是 pstack 指南的第二部分，探讨如何利用 pstack 进行调研、规划、原型设计和架构。作者强调验证是基础，但之后需明确构建目标。文章介绍了间接提示、/teach、/how、/why、/recall 等技巧，帮助代理理解意图和上下文，并指出历史记录是丰富上下文的金矿。最后讨论如何指定解决方案，避免过度指定实现细节。
文章探讨将 LLM-as-Judge 从离线评估工具迁移到 Agent 运行时架构中的趋势。传统确定性软件可通过类型检查、断言等方式验证结果，而 AI 应用输出往往需要判断性评估，LLM judge 能让应用自我完成这些判断。作者介绍了几种常见模式：使用另一个模型（包括专用小型评估模型以降低成本）、将大而模糊的判断拆解为多个小判断并用 DAG 结构组合、用成对比较代替打分以规避位置偏差、在 Agent 工作过程的关键节点（如检索、方案选择）设置检查点而非仅评估最终答案，以及使用多评委投票、辩论等机制提升可靠性。
本文是 Hermes Desktop 系列教程第五部分，聚焦远程连接架构。作者阐述了'屏幕不是 Agent'的核心理念：Desktop 仅是本地 UI 层（Electron + React），而 Hermes 运行时可在远程主机上执行任务、访问文件与工具。文章介绍了通过 Settings → Gateways 管理连接的机制，以及四种连接方式：本地、远程网关、SSH 和 Hermes Cloud。最后提出清晰的分层心智模型：Gateway 决定 Hermes 在哪里运行，Profile 决定 Agent 是谁，Session 决定当前在做什么，让多机 Desktop 架构更易理解。
作者认为企业AI落地的困境不是技能问题而是架构问题。88%的组织采用了AI，但仅6%真正盈利，因为多数员工永远不会精通AI，培训也无法解决。正确的问法是：如何构建让员工无需AI技能就能享受AI全部收益的系统。大企业受制于遗留系统和流程只能渐进式改造，而年收入2M-50M的小公司没有历史包袱，可以直接重建AI原生系统，这是其在AI转型中最大的优势。
本文深入探讨了代理系统设计的基础与核心组件。作者指出，将前沿模型放入设计糟糕的代理系统只会得到更清晰的失败，因此工程重点应放在模型之外的代理框架（harness）上。文章首先对比了代理工作负载与传统Web请求的差异，强调代理任务耗时、I/O密集、非确定性和高边际成本，并由此推导出架构设计原则。随后，文章详细介绍了代理框架的四个关键组件：工具（Tools）的设计契约与最佳实践、提示词工程（Prompt Engineering）的结构化方法与版本管理、记忆（Memory）的短期与长期区分及上下文管理，以及多代理编排（Orchestration）的并行与顺序模式。所有内容均基于一个真实的五代理系统DevVoice，提供了实用的设计决策与代码示例。
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。
本文提出AI系统构建的完整五层架构：提示、上下文、工具、循环和图。作者指出，大多数AI系统问题并非模型本身，而是出在某一具体层上，且常被误诊。通过详细表格和实例，文章解释了每层的功能、失效模式及成本，并强调各层并非替代关系，而是层层包裹。核心观点是：修复错误层不仅浪费时间，还可能使问题恶化。文章提供了诊断指南和优化建议，帮助读者准确识别并解决AI系统瓶颈。
本文深入探讨了AI代理开发中的一个关键误解：大上下文窗口并不等同于记忆。作者通过办公室隐喻，清晰区分了上下文窗口（桌面）、检索（书架）、压缩（ZIP）和摘要（抽象）在代理认知栈中的不同角色。文章指出，模型本质上是无状态的，每次API调用都从零开始，依赖大上下文窗口会导致注意力分散、雪球效应和延迟问题。真正的记忆持久化需要代理扮演数据库管理员的角色，通过检索、压缩和摘要等技术，将原始数据存储在外部存储中，仅将相关信息放入上下文窗口。文章提供了具体的代码示例，展示了如何实现冲突解决和分叉存储模式，为构建可靠的AI代理提供了实用指导。
本文深入解析了 DeepSeek Harness (DSH) 的架构设计，指出其核心是“一切皆插件”的理念，并基于 Cordis 运行时和 Session 事件流构建。文章详细阐述了 DSH 如何通过 Cordis 管理插件依赖、作用域和生命周期，以及如何通过 Session 记录 Agent 执行历史。同时，文章对比了 DSH 与 React 在 Fiber 概念上的异同，并介绍了 Profile、Bundle、Patch 等配置机制，以及标准、PTC、极简、创造四种模式的实际含义。
本文探讨了现代SaaS架构的关键决策，强调架构选择应从一开始就考虑合规性、可扩展性和可观测性。文章指出，SaaS架构模型不是终点，而是通往可扩展业务成果的道路。作者建议使用AWS Well-Architected框架的SaaS Lens来指导部署模型、可观测性、租户隔离和合规性等决策。文章详细比较了单租户、多租户和混合架构的优缺点，并强调了可观测性（日志、追踪、指标）和租户隔离的重要性，提供了在AWS上实现这些目标的工具和方法。
文章讲述了谷歌人工智能负责人 Jeff Dean 的传奇生平。从高中编写流行病软件，到与桑杰在 DEC 结缘，再到加入谷歌挽救索引危机。他们通过 MapReduce、Bigtable 和 Spanner 等创新，奠定了现代分布式系统与大数据的基石，展现了应对大规模硬件故障的非凡工程能力。
本文深入解析了 ChatGPT 如何通过 Harness、API 和 Inference 三层架构优化 Agent 循环，重点介绍了持久化 WebSocket、增量 Token 化、KV 缓存管理和推测解码等技术，以降低成本并提升效率。
本期早报探讨 MCP 协议的无状态核心变化与 Claude 的生产化接入，分析 Codex 与 ChatGPT Work 共用的执行框架差异，并审视多智能体并行中上下文搬运的隐性成本“编排器的税”。同时涵盖图工程、vLLM 商业化及 Uber 零增长架构等速览内容。
文章探讨了构建 Web Agent 基础设施（如浏览器池、隔离机制、观测性等）所面临的复杂性与工程挑战。作者指出，这远不止是启动一个浏览器，需要处理冷启动、安全隔离、资源调度等深层问题，并分析了自建与购买的权衡。
文章探讨了 AI 时代单人开发者面临的挑战，指出虽然 AI 加速了从想法到原型的过程，但并未解决从原型到生产环境的安全和运维问题。通过分析失败案例和成功者（如 OpenClaw 作者）的实践，强调了建立构建循环、防御层和自动化运维系统的重要性。
文章探讨了AI工程领域的新术语“图工程”。它并非新发明，而是对多Agent协作系统的宏观视角，通过节点和边映射工作流、状态和依赖关系，解决复杂系统的架构与调试问题。
文章讲述了 TiDB 从传统分布式数据库演变为面向 AI Agent 的统一存储层的过程。作者通过回顾从解决 MySQL 分库分表问题，到支持百万级数据库、文件系统、Agent Runtime Workspace，再到构建 Agent Stack 的六个阶段，阐述了基础设施产品如何被客户实际需求而非顶层设计推动演化，最终成为 AI 应用背后的关键基础设施。
本文为准备系统设计面试的后端工程师提供了一份详尽的学习指南。作者将零散的技术知识点整合为六个递进阶段：从Web基础、数据库管理，到构建生产级应用、系统扩缩容，再到分布式系统思维与架构设计。文章强调技术概念间的内在联系，旨在帮助开发者通过系统性的学习路径，从初学者成长为合格的软件架构师。
作者分享了使用 Fable 5 开发 cocoon 和 sandbox 项目的体会。通过回顾豆瓣时期的架构经历，阐述了 Infra 工程的核心在于权衡和“背锅”。文章认为虽然 AI 放大了设计者的执行力，但在策略判断上仍需 Human in the loop，并感叹资深工程师虽工具更强，但面临时代变局的挑战。
文章指出许多人学习 AI Agent 时陷入了“工具焦虑”，盲目追逐 LangChain、MCP 等框架，却忽视了 Agent 的本质是一套围绕目标运行的系统。作者强调，真正的难点在于系统设计——理解工具调用、记忆、反馈修正及工程化约束，而非仅仅跑通 Demo。文章推荐 GitHub 项目 agent_learning，主张从 LLM 基础、Prompt 等底层原理开始，逐步构建从基础到工程化的完整知识体系，最终实现 Agent 在真实环境中的稳定运行。
文章详细介绍了 Shopify 23,000 名工程师如何通过 Claude Code 实现 96% 的代码自动化。核心策略包括：构建统一的 LLM 代理层以控制成本，并行运行多个 Agent 处理不同模块，利用 MCP 服务器集成内部文档与 API，以及将 CLAUDE.md 纳入版本控制。工程师角色正从代码编写者转向架构审查者，通过护栏机制保障安全。
本文是 Hermes Agent 的深度教程。Hermes 是一个能够在使用中不断自我进化的 AI Agent，与 OpenClaw 等其他 Agent 不同，它具备跨会话记忆、自编写/修剪技能以及通过 GEPA 引擎进行离线验证的独特能力。文章详细剖析了其包含 SOUL.md 身份层在内的三层记忆系统，并指导读者如何从零配置运行多个具备独立个性的 Agent。
文章探讨了顶级科技公司正在秘密研发的架构转变——状态空间模型（SSM）。旨在解决 Transformer 架构在长序列处理中的计算成本高和内存消耗大的问题。文章详细解析了 SSM 的工作原理、相比 LLM 的优势（线性时间复杂度、恒定内存），并展示了 NVIDIA、IBM 和 Microsoft 等公司在 Nemotron、Bamba 和 SambaY 等混合架构上的实际应用进展。
AgentOS 宣布在其 Alpha 版本中增加对 Claude Code (通过 Claude Agent SDK)、LangGraph 和 DSPy 的支持。文章阐述了 AgentOS 如何作为生产级后端，统一管理不同的 Agent 架构，提供数据库持久化、多租户认证、RBAC、可观测性和水平扩展能力。作者区分了 SDK（如 Agno）与 Harness（如 Claude Code）的区别，并指出构建面向用户的 Agent 产品必须将会话、循环和沙箱分层管理。
文章探讨了当前 AI 架构中 Harness（编排层）与后端基础设施分离带来的问题，指出这种分离导致了 Agent 的随机性与后端的确定性之间的调试复杂性。作者提出将后端抽象为 Worker、Trigger 和 Function 三个基本元素，介绍了名为 'iii' 的架构，使 Agent 作为 Worker 直接参与后端系统，而非通过外部集成层调用，从而实现真正的统一基础设施。
