🏷️ Design

从 GitHub CLI 学习设计 Agent 友好的命令行工具

文章分析了 GitHub CLI (gh) 的设计理念，探讨如何构建对 AI Agent 友好的命令行工具。核心观点包括：使用 Resource 层（路径+HTTP方法）解决命令爆炸问题，保留 Command 层处理无法资源化的意图（如 login）；利用 --jq 精确裁剪输出以减少 Token 浪费和语义污染；以及在默认输出中采用自然语言而非 JSON，以提升 LLM 的理解效率。

Why Karpathy’s Second Brain Breaks at Agent Scale. How Mercury Solves It.

本文探讨了 Andrej Karpathy 的 LLM Wiki 工作流在人类“第二大脑”场景下的优势，指出其在处理 AI Agent 时的局限性。文章强调，人类记忆优先考虑可读性和反思，而 Agent 记忆系统则需要快速检索、低 Token 成本和冲突解决。Mercury 提出的混合架构方案，主张使用 Markdown 作为人类界面，同时采用结构化内存作为 Agent 的底层设施，以实现上下文的持续累积和可靠运行。