共 62 篇文章
Pydantic 修好了我的 Agent Memory
介绍用Pydantic结构化Agent Memory的方法。通过定义EntityModel和EdgeModel等数据模型，将记忆转化为有明确类型和关系的结构化数据，提升存取效率和准确性。
如何构建 AI Agent：从一个提示词到生产级部署
综合 Stripe、Uber 等大厂 70 多篇博文，归纳生产级智能体的十种配置与共同规则。点明智能体核心是模型加工具加指令，真正花费心血的是循环、上下文、沙盒与护栏等框架部分；按场景拆解后台编码、代码审查、迁移、SRE、安全、数据分析、客服、研究、知识、定时自动化十类智能体的构建法与真实指标，最后提炼检查器独立、代码先于模型、默认只读等六条通用原则，适合想在企业落地智能体的人选用。
Obsidian + AI Agent又一个关键工具：Knap
杰森的效率工坊介绍 Obsidian CEO Kepano 开源的模板引擎 Knap：一种把 JSON/CSV 等结构化数据按模板转成 Markdown 的领域专用 DSL。它最早是 Obsidian Web Clipper 的内部模板系统，现在独立开源、便于被 AI Agent 与命令行调用。核心分工是 AI Agent 负责理解内容、Knap 负责最终格式——文章先由 Agent 整理成 JSON，再交给 Knap 的固定模板生成 Markdown，既保格式一致又降低模型随机性，且只执行规定语法、默认不跑任意 JS 更安全。适合用 Obsidian 做知识管理的 Agent 用户。
Loop Engineering（循环工程）
阐述Loop Engineering核心概念：用系统替代人写提示词，设计包含5个构件（自动化任务、工作树、技能、插件、子智能体）加记忆的循环。对比Codex和Claude Code的实现差异。
Harness、LLM、Token、Agent、MCP…AI圈最烧脑的8个概念，一文彻底讲透
本文面向零基础读者，用最通俗语言讲透 AI 圈最易混淆的八个核心概念：LLM 是逐词预测的引擎，Token 是计费的最小单元，Context 是临时记忆，Prompt 决定指令质量，进阶的 Harness 是给 AI 的完整工作手册，Tool 与 MCP 打通外部能力，Agent 与 Agent Skill 实现自主任务。帮助普通人消除概念迷雾、建立系统认知。