LLM 的 Agentic 化：从回答问题到自主工作
一个对比开始 你在 ChatGPT 里问"什么是 KV Cache"，模型回答你，对话结束。 你在 Codex CLI 里说"给项目添加一个用户认证模块，包含测试"，agent 开始自主工作：读取项目结构 → 理解现有代码 → 规划实现方案 → 编写认证逻辑 → 编写测试 → 运行测试 → 发现失败 → 修复 → 测试通过 → 提交 PR。整个过程可能经历几十步，你可能全程没有介入。 ...
Posts
如何为 AI Coding Agent 写文档
本文系统梳理了 OpenAI、Anthropic、HumanLayer 等团队在 AI coding agent 项目文档上的一线经验，解释为什么入口文件、分层知识库、状态追踪文件和局部文档会直接影响 agent 表现。文章也给出了从最小可行文档体系到持续维护机制的可落地实践路径。
RAG 系统全景指南：从 0 到生产级的完整设计流程
本文面向正在学习 AI 应用工程的开发者，系统梳理了 RAG 从数据摄入、分块、检索、重排序、生成到评估与运维的完整链路。文章还给出了从最简可行方案到生产化落地的演进路径。
LLM 中的熵：从训练到推理到产品的统一语言
本文把交叉熵、Perplexity、Temperature、条件熵、幻觉检测和 Prompt 约束串成一条主线，解释熵如何成为理解 LLM 训练、推理和产品设计的统一语言。文章也从 RAG 和工程治理视角说明了熵的实际价值。
Spec-Driven Development 详解：从 Prompt and Pray 到 Spec and Steer
本文系统解释 Spec-Driven Development 的核心概念、四阶段工作流以及它与 vibe coding 的本质差异。结合当前工具生态与实践分层，说明为什么在 AI Coding Agent 时代，先写 spec 再实现能显著降低歧义和返工成本。
RAG Chunking 最佳实践指导文档
基于多家机构的基准测试与行业实践，整理 RAG chunking 的默认配置、参数调优方法与不同文档类型下的策略选择。
Agent = Model + Harness
LangChain 对 Agent Harness 的拆解，把 context engineering、memory、MCP 与 agent loop 串成了一张完整地图。
Python 并发与并行完全指南：从单线程到多核的演进之路
从并发与并行的基本区别讲起，系统梳理 Python 中 GIL、threading、multiprocessing、asyncio 与 concurrent.futures 的适用场景、协作方式与选型思路。
Python 异步与迭代体系：从一个核心隐喻出发的完整复习指南
从单线程事件循环的“餐厅厨房”隐喻出发，系统梳理 Python 同步迭代、生成器、协程、异步生成器与线程池桥接之间的完整对应关系。
Prompt Engineering 完全最佳实践指南
一份面向 AI Application Engineer 的 Prompt Engineering 长文指南，覆盖基础原则、上下文设计、任务链、注入防御、Agent 提示设计与评估驱动开发。