提示词之后:上下文工程如何接管 LLM 应用质量
从系统提示词、用户提示词、会话上下文、检索上下文、Token 窗口、幻觉抑制和提示词模板库出发,结合 arXiv 论文解释为什么 LLM 应用的核心工程对象正在从 prompt 变成 context。
Archive
从系统提示词、用户提示词、会话上下文、检索上下文、Token 窗口、幻觉抑制和提示词模板库出发,结合 arXiv 论文解释为什么 LLM 应用的核心工程对象正在从 prompt 变成 context。
Codex 真读真写 · 今天先读/论文/趋势/技能/工具/行动。这是 Codex 深读版,不是关键词拼装。今天最值得记录的不是单条新闻,而是三条更耐久的工程信号正在收敛:AI 工程的重心从模型本体转向 harness、loop 和 eval;代理开始需要按任务复杂度控制执行范围,而不是默认全仓审计;设备侧与本地化代…
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。
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。
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。今天先读完 25 条原文后,我认为最值得抓住的不是某一个模型 headline,而是四条线同时变清楚了:模型正在从“单点能力”变成“路由与预算系统”,评估正在从最终分数转向过程与偏差机制,记忆与技能正在被包装成可迁移资产,agent 安…
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。
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。
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。
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。
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。
从 Git 原理、AI agent 并行任务、hotfix、PR review、命令用法和常见坑出发,讲清 git worktree 解决的真实问题。
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。今天最值得调整的判断,不是又一个模型名次变化,而是 agent 已经开始同时侵入研发生产函数和基础设施设计:上游是 Fable 写 GPU kernel、AtCoder 竞赛表现、Remote Labor Index 这类能力信号,下游…
深读 Import AI 464:从 Fable 的 KernelBench-Mega 结果出发,串起 GPU kernel、远程数字劳动、OSWorld 2.0、企业知识系统和 AI 研发自动化的真实边界。
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。
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版:我先抓取 source pack,再逐篇阅读原文摘录,并用 `publish-to-lei-blog` 的“质量十大思维”做了一轮审稿。今天的主线是:AI 能力正在从“模型会不会”下沉到“harness、sandbox、数据系统、推理栈…
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。
从 CODEX_HOME 的目录、SQLite schema 和官方文档出发,把 Codex 拆成控制面、状态面、执行面、扩展面、安全面、后台面和记忆面,理解它为什么更像本地 agent runtime。
从 untrusted tenant 视角重新设计 Codex、Claude Code 和企业 Agent 的运行边界:Capability Manifest、策略引擎、短期凭证、MCP Gateway、审计和绕过防护。
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。
消化 SWE-bench 论文:为什么传统代码生成评测不足以衡量软件工程能力,SWE-bench 如何用真实 GitHub issue、仓库上下文和测试执行构造可执行评测。
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。我先读了 9 个渠道的 23 篇原文包,今天最值得你投入注意力的不是又一个模型名,而是三条更硬的信号:验证正在成为 agent 能力的新缩放轴;弱模型上的 RL 成果开始有机会迁移到更强模型;内容站点已经开始把 agent 抓取当成独立…
基于 OpenAI 公开 AI Infra 相关岗位描述,按训练、推理、数据、GPU 集群、可靠性、评测发布、Agent Infra、安全和开发效率拆解 AI Infra 工程师每天实际做什么,并映射到个人学习路线。
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版:我先抓取 source pack,再逐篇阅读原文摘录后重写判断。今天最值得放进脑子的主线是:agent 不再只是“会调用工具的模型”,而是在逼工程体系补上运行时、权限、验证、成本和产品界面这几块短板。
深入拆解 Parametric Skills:为什么文本技能会在长上下文 Agent 中失效,如何用 hypernetwork 把 SKILL.md / 轨迹经验转成 LoRA adapter,以及它和 Program-as-Weights 的关系。