#LLM

从能跑到可托付：顶级 Agent 应用工程师的六层系统与三条闭环

写给已经在做 Agent 的工程师：从目标契约、上下文状态、决策控制、工具环境、运行时信任到评测学习，用六层系统与三条闭环重新理解 Agent 应用层，并给出从功能实现者走向系统负责人的进阶路径。

AI LLM Agent Agent 工程上下文工程 AI Infra 论文深读

当 Agent 开始说“物化”：一张大模型工程术语地图

从物化、编排、轨迹、检查点到 Harness 和 Verifier，按任务闭环梳理 60 多个 Agent 工程术语，并追问哪些是真问题的新名字、哪些只是旧概念迁移，以及模型为何偏爱这种语言。

AI LLM Agent Agent 工程论文深读

Agent 的断点续传：任务如何中断、恢复，并且不把效果丢在路上

结合分布式快照、Saga、LogAct、Crab、RAC、Plans Don’t Persist 与 τ-bench，解释 Agent 长任务如何用任务契约、事件日志、副作用账本、恢复对账和外部验证器实现可中断、可恢复且效果可验收。

Agent 如何控制浏览器：从 HTTP、DOM、CDP 到视觉与混合自动化

系统拆解 Browser Agent 的控制通道与页面表示：比较 HTTP/API、WebDriver、Playwright、DOM、Accessibility Tree、CDP、浏览器扩展、视觉坐标和 Agent-aware browser runtime，并结合论文讨论评测、安全与选型。

大模型为什么要用 osascript 操作桌面：从可访问性树到视觉 GUI Agent

从一条 macOS UI 探测命令出发，解释大模型如何观察、定位、操作并验证桌面软件，比较 Accessibility Tree、视觉坐标、DOM、API/CLI 与混合控制的取舍和局限。

大企业的大模型到底在搞什么：一张"四个缺口"全景图

把大企业"能搞的大模型内容"收敛成四个缺口——知识、行动、信任、成本。用 20 余篇可查证的 arXiv 论文标出每个缺口下值得立项的方向、已知的坑与真实完成度，并给出一张立项检查单。

LLM AI Infra RAG Agent

提示词工程和上下文工程不是两门手艺，而是同一个优化问题在不同场景下的解。用 Mei et al. 2025 综述的形式化定义 C = A(c_instr, c_know, c_tools, c_mem, c_state, c_query) 做骨架，沿"单轮闭卷 → 开卷问答 → 长对话 → 动手 agent → 多智能体"五级场景阶梯，讲清每登一级、上下文里多了哪个成分、工程问题怎么变形——以及为什么提示词工程没有死，只是降级成了子模块。

AI LLM Prompt 工程上下文工程 Agent 论文深读

小公司如何构建自己的大模型：一条论文铺出来的决策阶梯

把"自建大模型"拆成从 RAG 到从零预训练的四级阶梯，用 12 篇可查证的 arXiv 论文标出每一级的成本量级、升级信号与踩坑边界——BloombergGPT 与 DeepSeek-V3 是两端的对照案例。

LLM AI Infra

2026年8月2日

上下文不是平的：位置与结构如何决定一条信息对输出的干预力

同一条信息放在上下文的开头、中间、结尾，对最强模型输出的影响力可以差出几十个百分点——而且这个"位置地形"会随上下文填充率动态变形：塞满一半之后，经典的 U 形曲线塌掉，只剩结尾优势。从注意力机制的三个根本约束出发，讲清位置偏差的成因、衰减的动态过程，以及"结构"为什么本质上是在地形上打人工锚点。

AI LLM 上下文工程

2026年7月31日

当你对 Claude Code 说 hello：一次请求日志里的上下文工程哲学

以一份真实的 Claude Code 请求日志为标本，结合 Lost in the Middle、MemGPT、SWE-agent、Manus 与 Anthropic 的上下文工程实践，解剖一个 hello 背后数万 token 的信息环境设计。

上下文工程 Agent LLM

遗忘是一种能力：五篇论文看懂长程 Agent 的记忆管理，正在重演操作系统内存史

精读 AgentFold、IterResearch、AgentSwing、ContextBudget、Self-GC 五篇 2025.10–2026.07 的论文：为什么"记住一切"的 agent 反而答得更差？用 Pass@1 = η×ρ 这个分解式看懂 context rot 的本质，以及上下文管理如何从启发式规则一步步演化成垃圾回收、预算分配和运行时调度——操作系统内存管理史的完整重演。

AI LLM Agent 上下文工程论文深读

一个 search 工具能挖多深：解剖 Agent 工具箱里最不起眼的函数

search(query) -> results，看起来是 agent 工具箱里最简单的函数。结合 SWE-agent、SLIM（Lost in the Maze）、ParallelSearch、Search-R1、ZeroSearch 五篇论文，逐层解剖它的设计空间：返回什么、问什么、怎么学会用、搜索引擎本身要不要是真的——每一层都藏着能让性能翻倍或减半的决定。

AI LLM Agent 搜索 RAG 论文深读

删掉 80% 系统提示词之后：Claude 5 时代的上下文工程新规则

Anthropic 为 Claude 5 代模型删掉了 Claude Code 超过 80% 的系统提示词，编码评测没有任何可测的下降。深读这篇官方博客：为什么"给模型写规则"是有保质期的负债，五个 Then vs Now 的转变背后是苦涩的教训在提示词层重演，以及怎么把这套经验用到你自己的 agent 上。

AI LLM Agent 上下文工程

什么才是好的 Harness：判断归模型，物理归代码

同一个模型，换个 harness 性能能差 6 倍。结合 SWE-agent（ACI 开山之作）、How Much Heavy Lifting、Inside the Scaffold、Code as Agent Harness、Fork-Explore-Commit 等论文，深度拆解好 harness 的三件本职工作：把世界翻译成模型好用的接口、把确定性工作从模型手里拿走、让错误变便宜——以及为什么"提示词里的规则是恳求，harness 里的规则是物理法则"。

AI LLM Agent 上下文工程论文深读

模型为什么会伸手：工具使用不是被教会的，是目标函数的影子

一个只会预测下一个 token 的模型，凭什么会去调用计算器和搜索引擎？从 Toolformer 的自监督起源（一次调用能留下的唯一理由是降低未来 token 的 loss），到 RLVR 时代的工具滥用幻觉（无成本时任何 ΔP>0 都值得调用），再到 knowing-doing gap（知道该用和真的去用在残差流里是两个方向）——结合五篇论文回答：模型为什么会用工具、为什么会滥用、以及为什么"知道"不等于"做到"。

Agent 平台正在重新发明操作系统：美团 CatPaw 架构深读

逐段拆解美团 CatPaw Managed Agents 的"脑手分离"架构，把每个组件映射回它的操作系统祖先：Session 恢复是进程切换，上下文压缩是虚拟内存，Sandbox Gateway 是调度器，模型路由网关是硬件抽象层。结合 ReAct、MemGPT、AIOS、Firecracker、CaMeL 等论文，解释为什么相同的资源约束必然长出相同的架构形状——以及这个类比在哪里失效。

AI Agent LLM 论文深读

LLM 与 Agent 源码品读地图：11 层、50+ 个值得逐行读的开源项目

把大模型与 Agent 开源栈拆成 11 层，每层回答"被什么稀缺资源塑形"，再给出代表项目与具体的"读什么"。从 micrograd 到 vLLM，从 LangGraph 到 OpenHands，一张可以按图索骥的源码阅读地图。

LLM Agent AI Infra 源码阅读

Scaling 没有死，它换了坐标轴：2026 年 LLM 研究与产品的五条主线

推理模型、智能体、上下文工程、MoE 与稀疏注意力、扩散 LLM、世界模型……热门方向看似散乱，其实都在回答同一个问题：预训练的规模红利递减之后，去哪里找新的增长轴？这篇把它们收拢成五根杠杆——推理时算力、经验、上下文、单位成本、生成范式——并附上可核查的 arXiv 论文与开源产品索引。

LLM

nanoGPT config 不是参数表：一张 LLM 训练配方地图

从 LLM 训练的大背景出发，系统讲解 nanoGPT config 目录里的训练、微调、评估配置，以及 batch、context、模型大小、AdamW、学习率、DDP、dtype 等参数如何在源码中生效。

AI AI Infra LLM Transformer 模型训练源码阅读学习笔记

从 65 个字符开始：nanoGPT 的 Shakespeare 字符级语言模型数据准备

用 nanoGPT 的 shakespeare_char prepare.py 串起字符到整数 id、train.bin/val.bin、meta.pkl、next-token 训练样本，以及它和 BPE/GPT-2 路线的差别。

AI AI Infra LLM 源码阅读学习笔记

一个循环，六种填法：用伪代码把 LLM 后训练一次排黑

把 SFT、奖励模型、RLHF-PPO、拒绝采样、DPO、KTO、GRPO 全部写成能逐行读懂的伪代码。你会发现它们是同一个训练循环的六种填法，区别只在三个槽位：回答谁生成、信号谁给、信号怎么变成梯度。文末给出全景对比表和三条真实流水线（InstructGPT、Llama 2、DeepSeek-R1）的组装方式。

LLM