乐躬耕于陇亩兮，吾爱吾庐。聊寄傲于琴书兮，以待天时。
  文章分类
总结 4 React 4 碎碎念 14 cloudflare 1 JavaScript 29 MAC 4 Github 2 GO 3 版本控制工具 6 HTML API 2 Hexo 3 项目规范 3 Kodi 1 Linux 6 AI 7 图床 1 TypeScript 3 小程序 2 Vue 17 其他 1 Windows 5 ai-agent-book 10 小技巧 3 cron表达 1 CSS 7 Docker 1 HTML 3 Java 1 kali 1 折腾 2 SVG 1 Taro 1 文摘 1 正则 1 网址 1 浏览器 2 移动端 1 调试工具 1 CSP 1 Canvas 1 自动化 1
ch10-多Agent协作 ch10-多Agent协作
多Agent协作：什么时候多 Agent 真比一个强最后一章，把视角从”一个 Agent”拉到”多个 Agent”。分工、通信、相互验证，干单个 Agent 扛不住的活。 第一判据：有没有引入新信息多 Agent 不是”人多力量大”那么简单
2026-09-28 ai-agent-book
学习记录 AI
ch9-Agent的持续进化 ch9-Agent的持续进化
Agent的持续进化：让 Agent 从聪明变熟练第 9 章处理一个”能力悖论”：Agent 能零样本解未见过的复杂任务，却可能处理一万次相似任务后还犯第一天的错。 模型部署后不会因一次推理自动改参数，上下文学习也只管当前任务。所以”持续进
2026-09-28 ai-agent-book
学习记录 AI
ch8-模型后训练 ch8-模型后训练
模型后训练：四阶段把能力炼进参数第 8 章聊怎么改”LLM 大脑”本身——用后训练把行为沉淀进模型参数。第 7 章的评估和仿真环境，正是这一章的两块基石。 四阶段能力开发地图 预训练：海量文本上预测下一个词，学通识（最贵） Mid-trai
2026-09-28 ai-agent-book
学习记录 AI
ch7-Agent的评估 ch7-Agent的评估
Agent的评估：怎么知道 Agent 变好了还是变差了第 7 章回答一个扎心问题：构建完成 ≠ 构建正确。只有能量化测量结果，后面的模型训练、系统进化才有方向。 评估对象不是模型，是 Model + Harness同模型不同 Harnes
2026-09-21 ai-agent-book
学习记录 AI
ch6-交互 ch6-交互
交互：观察与动作空间的扩展：打破回合制第 6 章是”构建 Agent 的最后一块拼图”——前面五章，Agent 和世界是回合制交互的：你说完、它想完、调工具、再回你，思考时世界默认静止。 这一章挑战这个前提。 一句关键的话 回合制是训练留下
2026-09-21 ai-agent-book
学习记录 AI
ch5-CodingAgent与通用Agent ch5-CodingAgent与通用Agent
CodingAgent与通用Agent：通用 Agent 的内核前面几章把上下文、记忆、工具拆开讲了。第 5 章把它们拼起来，回答一个问题：一个能处理任意任务的通用 Agent，长啥样？ 核心答案：Coding Agent + 文件系统通用
2026-09-17 ai-agent-book
学习记录 AI
ch4-工具 ch4-工具
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，
2026-09-11 ai-agent-book
学习记录 AI
ch3-用户记忆和知识库 ch3-用户记忆和知识库
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
2026-09-09 ai-agent-book
学习记录 AI
ch2-上下文工程 ch2-上下文工程
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
2026-09-08 ai-agent-book
学习记录 AI
ai-agent-book-ch1-学习记录 ai-agent-book-ch1-学习记录
《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
2026-09-08 ai-agent-book
学习记录 AI