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。
本文解析一道 OpenAI 面试真题：重构一个基于斜杠命令的 legacy 聊天服务（含 AwayBot、MeetBot、TacoBot）。作者提出五步解法：先冻结旧行为并编写黄金测试，再定义 should_activate/execute 接口分离判断与执行，为全局状态找到归属组件，比较直接调用与事件总线两种协作方案并给出迁移顺序，最后单独提交行为修复。文章附有最小事件驱动实现的完整 Python 代码，并讨论了事件时序、bot 注册顺序、测试策略等细节。
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。
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。
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。
文章将一篇灵长类大脑神经科学的预印本、七世纪玄奘译出的《解深密经》与当今 Agent 架构并置对照，提出一个猜想：意识可能不仅关乎'位置'和'规模'，还关乎'时间上的选择'。研究发现面孔区以约每秒15次的节奏在'被意识到'和'被抑制'的表征间交替。作者类比唯识八识体系，指出今天的 AI 只有前五识和第六意识（推理），缺少第七末那识（恒常自我追踪）和第八阿赖耶识（恒转如瀑流的种子池）。文末给出一个玩具级'常驻之河' Agent 设计，包含种子池、节拍调度器、竞争选择、末那日志和熏习写回五个部件，探讨如何构建一个持续流动而非'每次调用从零开始'的系统。
作者开源了 Pi Durable Subagents 扩展包，为 Pi Durable Agent 框架提供类似 Codex 和 Claude Code 的 subagent 能力。每个 subagent 拥有独立的 Conversation、instructions、模型和工具权限，通过 subagent 工具由主 Agent 委派任务。扩展提供两种模式：Foreground subagent 支持并行创建子任务并等待结果返回，适合并行研究和任务拆分；Background subagent 支持命名后台任务，可通过 spawn、send、stop、status 四种操作持续管理，任务结果通过 durable Reporter task 送回主对话，并支持进程重启后恢复。项目基于 Conversation、Task、ownership 等基础部件构建，采用 MIT License 开源。
文章激烈批评 Vercel 的商业行为与开发者关系。作者指出 Vercel 一边高喊反厂商锁定，一边通过 Next.js 的私有构建产物（.next 黑盒）对竞争对手如 Netlify、Cloudflare、AWS 造成事实锁定，迫使行业推出 OpenNext 等逆向工程项目适配。文章还批评 Vercel 发布会夸大宣传（如 Turbopack 号称快 700 倍却内存泄漏严重）、缓存决策反复折腾社区，以及通过挖走 React 核心团队控制生态、弃养 Hyper 等开源项目、无视社区 PR 的做派，认为 Vercel 是道貌岸然的开源收割者。
文章以 Pi coding agent 的 Durable 版本为切入点，拆解 Harness 架构的演进。传统 Harness 将持久化系统、agent loop 和执行环境耦合在同一个 Node.js 进程中并强依赖 VM，而 Durable 将持久化外置为 SQLite 存储、执行环境与操作系统解耦，并实现无损状态恢复，使 agent 可部署在 serverless 等更灵活的计算节点上。文章还介绍了 pi 的 MCP 原生支持、codemode（通过 QuickJS 批量调度工具）以及 server/client/protocol 分离等变化，最后设计了一套可扩展的长期 Harness 架构，目标是硬件资源消耗降低一个数量级。
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。
