工具：Agent 的手脚怎么设计第 4 章聊工具（Tools）——Agent 连接”大脑”和真实世界的手脚和感官。书里类比《Her》里的 Samantha。 先分清：工具长什么样能力表达有个谱系，从专用到通用： 专用工具：结构化函数调用，

从零（From Scratch）手写大语言模型从0开始不依赖 HuggingFace、Ollama 等现成的大模型封装，使用 PyTorch 完成网络张量运算和自动求导，从零定义网络架构、初始化随机权重，并在自己的消费级显卡上训练出一个约百

用户记忆和知识库：让 Agent 记住你第 2 章管的是”一次任务内”的上下文。这一章往前走一步：任务结束了，Agent 怎么还认得你。 两个尺度：用户记忆 vs 知识库 用户记忆：针对单个用户的个性化——偏好、习惯、需求，让 Agent

上下文工程：Agent 的上限是 Context接着第 1 章的地图，这一章钻进”上下文”——也就是 Agent 每次调模型时，模型真正能看到的那一坨信息。 拉胯的模型标准测试里模型亮眼，一上业务就拉胯。原因往往不是模型笨，是它没背景：不知

《AI Agents in Depth》学习记录阅读地址：AI Agents in Depth 一句话公式现代 Agent = 大模型(LLM) + 上下文(Context) + 工具(Tools)。 真要落地到生产，展开成：Ag

浏览器返回时提示未保存内容的实现记录在一些编辑页面中，用户修改了内容但还没有保存，如果这时候点击浏览器返回、页面返回按钮、刷新或者关闭页面，就可能造成内容丢失 本文记录一种比较通用的实现方式：通过 history.pushState 增加一

六月的风是烫的。 穿过榕树的枝桠，掠过泥泞的路面，裹挟着蝉鸣和热浪，扑在脸上，像一块刚从锅里捞起的毛巾。你躲不开，也不必躲。这风本就不是来讨好谁的，它只是路过，顺便告诉你——夏天来了。 路边的西瓜贩子在吆喝着。红瓤黑籽，码得整整齐齐，像列队

最近折腾了一下本地大模型，发现 M1 Max 跑 32B 的模型还行，记录一下搭建过程 设备：M1 Max 有 64GB 内存 安装 Ollamacurl -fsSL https://ollama.com/install.sh | sh

什么是 Skill?Skill 是一个自定义模块，通过配置文件 (SKILL.md, .instructions.md, .prompt.md 等) 扩展 AI 助手（如 GitHub Copilot、Claude 等）的功能，使其能够执行

概述记录一个很有意思的提示词（Prompt） 这个提示词可以将任何文本描述转换为风格统一的手绘卡通插画，推荐使用 Google 的 Nano Banana 模型来生成。效果非常不错，特别适合把故事内容转换为信息图表，或者创建手绘风格的教育内