BeorDie

把问题写清楚，把答案留给时间。

后端工程 · AI 工具 · 系统设计 · 生活观察

CPU 0.00% MEM 12.4MB NET CONNECTED --:--:--

把问题写清楚，把答案留给时间。_

专注分享编程实战、后端开发、算法解析与工程化最佳实践。

天气好了，该出门光合作用了

const author = { name: "勿川", role: "后端工程 · AI 工具 · 系统设计", stack: ["Java", "Go", "Python", "AI"], focus: ["后端工程", "系统设计", "AI 工具"], status: "writing" }; function share(topic) { return `Writing about ${topic}...`; } // 把问题写清楚，把答案留给时间。

大模型技术未读

AI 架构之道：如何用情景规划设计穿越未来迷雾的组织与技术

面对 AI 带来的颠覆性变革，预测未来是徒劳的，但我们可以为不同的未来做好准备。本文将 O'Reilly 的情景规划方法论与企业架构设计相结合，为你提供一套系统性的框架，帮助你的组织在不确定的 AI 浪潮中构建稳健的技术与组织能力。 1、背景与问题提出我们正处在一个充满矛盾的时代。一方面，新闻头条

Agent 上下文工程 2026-05-21

大模型技术未读

从实践到架构：AI 驱动的软件工厂（Trycycle 模式）深度解析

当软件开发的核心生产力从人类开发者转向 AI 时，我们需要怎样的架构来组织这场变革？本文深度解读黑暗工厂背后的核心思想，并引入 Trycycle 模式作为最简实现，为你提供一套从理念到实践的 AI 驱动软件开发新范式。 1、背景与挑战：当 AI 成为软件生产的主力 1.1 黑暗工厂的崛起软件行业正

Agent 上下文工程 2026-04-26

大模型技术未读

AI Agent 规模化落地核心：提示词缓存工程化优化实战指南

在 Agent 工程化开发领域，业内流传着缓存支配一切（Cache Rules Everything Around Me）的工程准则，这一准则在长周期运行的 Agent 产品中体现得尤为关键，Claude Code 便是典型案例。对于 Claude Code 这类需要持续对话、多轮交互、复杂任务执行

Agent 上下文工程 2026-03-22

大模型技术未读

AI 代理的上下文工程

上下文工程是围绕智能体（Agent）决策需求，系统性构建、筛选、压缩、隔离与更新输入上下文的工程化实践，核心是建立可复用、可度量、可持续的信息供给流程，让大模型每次调用都能获得精准、可信的信息集合，区别于静态的提示工程，更强调动态信息治理：明确给什么、何时给、给到何种粒度、如何保持一致。智能体的最终效果，由模型能力与上下文信息供应链共同决定。

Agent 上下文工程 2026-03-15

大模型技术未读

AI Agent 动作空间与工具设计工程实践

在 Agent 工程化落地过程中，动作空间（Action Space）设计是最具挑战性的环节之一。动作空间决定了智能体能够调用哪些能力、以何种方式与环境交互、如何完成复杂任务，直接影响 Agent 的可靠性、执行效率与适用范围。Claude 体系通过 Tool Calling 机制实现智能体交互，并

Agent 2026-03-07

大模型技术未读

从线性到树状：ToT 提示工程技术演进与复杂问题解决实践

思维树（Tree of Thoughts，简称 ToT）是新一代的高级提示词工程技术，也是大语言模型推理框架的重要演进形态，其核心价值在于突破了传统线性推理的局限，让 AI 具备类似人类的多路径探索、前瞻性规划与回溯调整能力，实现了从单一思考步骤到树状决策体系的升级。该技术的核心特征是让 AI 在

Agent 2026-03-06

把问题写清楚，把答案留给时间。_

最新文章