2026年7月22日一万亿个参数，没有一个是给你拧的：函数、大模型与 Claude Code 的控制面迁移史函数的控制面是参数：改参数，结果就变。大模型呢？它有上万亿个参数，但没有一个是旋钮——真正的控制面迁移到了数据、目标函数和上下文里。到了 Claude Code / Codex，控制面又搬回模型外面，变成一整个分层的驾驶舱。这篇讲清一条主线：计算史就是控制面的迁移史，每次迁移都在拿确定性换能力，然后人类立刻在新的一层重建确定性。LLMAgentClaude CodeAI 前沿第一性原理思维框架
2026年7月22日穿透控制面：你写进 CLAUDE.md 的每一行，最后变成了模型内部的什么上一篇找齐了 Agent 的控制面，这一篇把 X 光打进去：指令、示例、人格设定、测试反馈，穿过 tokenizer 之后分别控制了 Transformer 内部的哪个机制？结合 induction heads、task vectors、persona vectors 三条机制学证据链，得到一个统一答案——上下文控制的从来不是模型会什么，而是在一座冻结的能力库上做"寻址"：选择并组合已有的回路。LLMAgentClaude Code可解释性AI 前沿第一性原理
2026年7月21日Loop 还是 Graph?这是个假问题——Agent 架构之争的真正变量,是控制流的真相放在哪里Loop 派信模型,Graph 派信代码,吵的其实是同一个坐标轴上的两个点:下一步由谁决定。用调度器理论把二元对立拆成连续谱,再看 AFlow/GPTSwarm 给出的第三条路——结构本身也可以被搜索出来。AILLMAgentAI Infra论文导读学习笔记
2026年7月20日Agent 工程七问：如何把一个随机内核，包装成能托付长任务的可靠系统状态记录、失败恢复、沙箱隔离、多轮评测、test-time compute 分配、上下文组织、速度/成本/成功率联合优化——七个问题共享同一个答案结构：把真相移到模型外面。AILLMAgentCode AgentAI InfraContext Engineering学习笔记
2026年7月20日所谓点拨：不是贵人一句话，而是把自己送进高价值反馈场从清华到 OpenAI、Meta Superintelligence Labs、Google DeepMind 等公开案例出发，拆解“点拨”的真实机制：识别热场、压缩路径、构建可验证筹码，并给出 AI 学习者的 90 天行动协议。AI职业地图学习方法AgentAI Infra大模型深度思考
2026年7月20日Lilian Weng 新文深读：当 Harness 本身成为被优化的对象《Harness Engineering for Self-Improvement》深度消化：递归自我改进不会从模型改写自己的权重开始，而是从部署层开始。被优化对象的爬升路径（prompt → context → workflow → harness 代码 → 优化器代码），以及为什么评估器必须留在循环之外。researcher-deepdivelilian-wengAgentSelf-ImprovementHarness学习笔记
2026年7月17日给「物料搭建 + 还原业务逻辑」设计一套 AI Harness前两篇讲了设计稿出码的难题和物料驱动搭建的问题地图。这一篇动手：从「AI 可被控制、可被配置的切面」出发，设计一套能真正跑起来的搭建 harness——用一条「逐步降低不确定性」的窄专家流水线，每步产出可校验的 typed artifact，把 skill.md / tool schema / MCP / 结构化输出 / 编排 / 校验门 / 人机门 当成控制阀装上去。含可直接参考的 SKILL.md、工具契约、IR schema 与编排流程图。AIAgentHarnessLow-CodeFrontendOrchestrationMCPSkill
2026年7月17日搭建系统最会流血的两处，其实是同一种病：PRD 抽取与双向同步系列深挖篇。把「PRD→交互规格的 intake agent」和「schema↔代码的 round-trip」这两个搭建系统里最疼的单点挖到底，并揭示它们是同一种病——同一份信息在两种表示之间来回翻译时的边界问题。前者会静默编造缺失的逻辑，后者会静默漂移。负责任的解法都是同一句：把有损与歧义的部分显式化，而不是替它糊过去。含 intake 的完备性矩阵设计与 round-trip 四种策略的取舍。AIAgentLow-CodeFrontendRound-tripPRDHarnessArchitecture
2026年7月16日从 Agent 供给工程到设计即交付：三份 AI 研发规范背后的生产线逻辑结合论文与 KaiHub、Echo Builder、设计上下文、物料渲染等实现，解读 Skills & MCP、提示词与上下文工程、D2D 如何组成公司级 AI 研发生产线。AIAgentMCPSkillsContext EngineeringD2DAI Engineering
2026年7月15日从提示词到工作制度：Superpowers Skill 的结构上下文哲学结合 Superpowers 的 brainstorming、TDD、worktree、writing-skills 设计，以及 Agent Skills、Externalization、SkillsBench、Parametric Skills、HASP 等论文，解释为什么 skill 的本质不是更多 prompt，而是把 Agent 的工作上下文做成可触发、可验证、可复盘的结构。AILLMAgentAgent SkillsSuperpowersContext EngineeringAI Infra
2026年7月14日把智能体当人用：Claude Agent SDK 的架构设计哲学不是功能罗列，而是深读 Claude Agent SDK 的设计思想——为什么"给智能体一台电脑"、agent loop 为什么是控制循环、上下文窗口如何成为一切设计的隐形主线、以及为什么可靠性工程发生在 harness 而不是模型里。AI InfraAgentClaudeLLM架构设计
2026年7月13日Graphify 源码深潜：从 AST 构图到 LLM 任务的上下文装配从语法树构图、跨文件消歧和图遍历查询，到 Skill、AGENTS.md、CLI 与 MCP 接入，讲清 Graphify 如何在构图期与任务运行期分配 LLM 职责。AIAgentLLM代码知识图谱MCP源码阅读
2026年7月10日Agent 能力会被内化吗：外部系统、模型训练与研发护城河深读 Externalization、Toolformer、TInR、RISE、Agent Skills 等论文：哪些 Agent 外部系统会被模型内化，哪些不会，未来研发竞争力会迁移到哪里。AILLMAgentTool Use论文学习
2026年7月10日Agent 长记忆不是向量库：从记忆流到内存管理消化 Generative Agents、Reflexion、MemGPT、Mem0 和 A-Mem：为什么 Agent 长记忆不是简单存聊天记录，而是一套写入、整理、检索、更新和评估系统。AILLMAgentMemory论文学习
2026年7月10日Agent 的工具调用机制：从 Function Calling、MCP 到 Skill拆开一次 Agent 工具调用：模型只提出结构化调用意图，运行时负责校验、执行和回填；MCP 标准化外部能力，Skill 标准化可复用工作流。AIAgentMCPSkillCodex工具调用
2026年7月10日Agent 做长任务为什么会崩：从时间跨度到失败归因消化 Voyager、METR long tasks、TheAgentCompany、SWE-Bench Pro、Odysseys、WildClawBench 和 HORIZON：长任务能力为什么不能只看成功率。AILLMAgentEval长任务论文学习
2026年7月8日AgentBench 学习笔记：评测 Agent，不能只看它怎么回答消化 AgentBench 论文：为什么 LLM Agent 需要交互环境评测，AgentBench 如何用 8 类环境测试长期推理、决策和指令遵循，以及它对 Agent eval 的启发。AILLMAgentEval论文学习
2026年7月8日Evoflux 学习笔记：小模型不会稳定用工具时，先别急着微调消化 Evoflux 论文：为什么紧凑模型在 MCP 风格工具调用里容易失败，Evoflux 如何把工具调用看成可执行工作流的推理时演化修复，以及它对 Agent 系统设计的启发。AILLMAgentTool UseMCP论文学习
2026年7月8日PrologMCP 学习笔记：别让大模型硬想，把演绎推理交给符号系统消化 PrologMCP 论文：为什么 LLM 在深层演绎推理上不稳定，PrologMCP 如何把 Prolog 标准化为 MCP 工具，以及“模型做翻译、求解器做推理”的系统分工。AILLMAgentMCPPrologSymbolic AI论文学习