交互层创新
底层一直是模型、工具、循环与上下文,变的是人在哪里下任务。从 IDE 到终端再到 IM,以及长任务、权限和整个系列的收束。
评测、可观测性与成本
演示五次全过、线上成功率 54%:评测该分几层、golden set 怎么建、指标怎么读、成本怎么拆,以及出事之后靠什么复盘现场。
Harness Engineering
Agent 的可靠性不来自更强的模型,而来自围绕它的确定性工程:事前约束、事后反馈、循环守卫与人工闸门。
Skills 与渐进式披露
把验证过的流程、脚本与检查点沉淀成可复用资产,讲清结构、触发机制、三层渐进式披露的 token 账与评估方法。
上下文压缩 Compaction
窗口见底才想起压缩,往往已经晚了。触发时机、压缩对象的优先级、三种摘要算法、保真三件套与压缩后的验证,逐条拆开。
长期记忆与 Auto Memory
记忆系统的难点不是记住,而是克制地忘。三类记忆的生命周期、写入门槛、存储与召回取舍、记忆污染,以及一份不易膨胀的模板。
RAG 与 Embedding
从客服问答的检索失败讲起,拆开 RAG 的五个环节、切分与重排的取舍、元数据与离线评估,以及什么时候干脆别用 RAG。
多 Agent 协作
多 Agent 的第一价值是上下文隔离,不是角色扮演。四种拓扑的边界、交接单写法,以及并行改同一文件时怎么不互相覆盖。
规划与任务分解
计划文件真正的读者不是人,是压缩后的 Agent 自己。说清粒度、三种分解法、模板字段,以及为什么必须绑定验收。
ReAct 与 Agent 主循环
四十七轮跑完却没有任何文件变更,从这次失败复盘出发,拆开 ReAct 主循环的骨架、退出条件、死循环形态与上下文开销。