AIAgent

基于中国大陆、美国与东京各 20 条公开职位描述的调研，梳理 AI Application、Agent 与 RAG 工程师的招聘技术栈，并给出面向东京求职的学习优先级与作品集路线。

一份面向程序员的 Multi-Agent 与 Sub-Agent 系统设计指南：从是否需要多 Agent、任务拆分和协调模式，到上下文、权限、可靠性、评测与生产落地。

本文系统梳理生产级 AI Agent 的上下文压缩方法，区分消息裁剪、工具结果清理、Artifact 外置、结构化摘要与原生 Compaction，并以 Hermes Agent、LangChain v1 和 LangGraph v1 为例给出分层落地与评估建议。

介绍 OpenTelemetry 的核心组件、观测信号及其在 AI Agent、RAG 和生产可观测性中的应用。

本文围绕 Latent Space 对 Shunyu Yao 的访谈，梳理 ReAct、Reflexion、Tree of Thoughts、memory、benchmark、ACI 和 agent UX 等主题，并总结 AI agent 工程落地中工具、环境、评估与接口设计的重要性。

本文从基础 RAG pipeline 被平台吸收的趋势出发，分析 2026 年 AI 应用工程师应该重点投入的高溢价技能，包括评估与可观测性、数据治理与权限控制，以及 agentic workflow 的深度工程能力。

本文系统梳理优秀 AI agent 系统的核心设计框架，包括 Spec-Driven Development、三层架构、Resolver、Latent 与 Deterministic 分界、Diarization 以及可自我进化的学习闭环，帮助工程师从补全工具思维转向 AI 增强软件工程。

本文结合 2025-2026 年 AI coding agent 与 Spec-Driven Development 的最新实践，系统解释 Software Spec 的定义、价值、核心组成、工作流与常见陷阱，并给出一份适用于 Claude Code、Codex CLI、Cursor 等工具的实战模板。

从数据管线、Scaling Law、系统约束、合成数据、蒸馏、后训练、评估体系到 Agent 训练，系统梳理大模型训练全链路，并解释这些机制如何影响 AI 应用工程师的模型选型、评估与 harness 设计。

本文从 AI coding agent 的执行机制出发，系统解释 agent-native 文档为什么已经从“参考资料”变成“基础设施”，并给出 AGENTS.md、PRD、Architecture、Spec、Plan 等文档层级的职责划分与组织原则。文章也结合 Context Engineering 与 Spec-Driven Development 的实践，说明怎样设计一套既节省 context、又能稳定驱动 agent 行动的文档体系。