我看着老板的脸色由白转红，又有点儿紫，最后有点儿黑，没说一句话。沉默良久以后老板开口说：小X啊，这个事儿公司需要开会讨论一下，你把材料留下先回去吧。走出办公室的一刻，我看着老板拿起那份账单...

前几天在知乎看到有人问：Codex 用上 GPT-5.6 后，为什么不少人开始不用 Skills 了？ 确实，相信大家也发现，很多 Skill，尤其是开发相关的，真的慢慢就开始用不上了。 我现在看到一

​上一篇文章介绍了如何使用LangGraph实现会话记忆功能，可是历史会话又多又杂，难以全部记忆，开发者更希望AI应用记住关键信息，比如用户喜欢什么、爱好什么等等。 对于AI应用的精确记忆需求，Lan

模型圈一直都很热闹，每月都有各种新的模型出来。 最近一个月，国产大模型不断推出新模型，Step 3.7 Flash、MiniMax M3、GLM-5.2、Kimi K2.7 Code几乎都是前后脚发布

最近，GLM 5.2 接连刷屏，国产模型又热闹起来了。 加上 DeepSeek V4、MiniMax M3，还有阶跃星辰的 Step-3.7-Flash，国产大模型这一波可以说是你追我赶，热度一下子又

🎉7 月 15 日 - 7 月 24 日#VibeLaunch 沸点秀 沸点活动正式落幕，感谢所有掘友的分享！

上一篇读到 queryLoop() 时，停在了这段代码： 当时只需要知道 callModel() 会不断返回消息，没有继续追消息是怎样产生的。 现在沿着 callModel() 往下走。前半篇使用 G

国产最贵、速度还慢，凭什么还是国产之光？Kimi K3 前端能力全球第一梯队，长任务处理稳，还是开源模型，这次是真敢跟顶尖闭源模型掰手腕了。

昨天还在疯狂测试 Kimi K3，今天就听说停售了~~ K3 确实也是火了，火遍大江南北寰宇内外，火到直接停售了，之前 GLM 5.2 火了之后也是一直限购状态，你说国外的抢不到也就算了，现在国内的也

MCP工具描述是Server设计中最被忽视的环节。基于kb-builder三个工具从30%到85%+调用准确率的迭代经验，总结一套可复用的三段式描述模板——包含触发场景、排除边界、参数描述的正确写法。

OpenClaw 的 Peter 是懂嘲讽的，之前也是他提的，Prompt Engineering 已经成为过去，开始要进入 Loop Engineering 了，然后最近他发现，大家已经开始炒 Gr

Multi-Agent 协作模式与工程实践 前言 当 LLM 的能力边界不断扩展，一个显而易见的问题浮出水面：单个 Agent 能否解决所有问题？ 答案是否定的。就像软件开发从单体架构走向微服务，Ag

好久没聊 Agent 了，今天继续聊聊 Agent 的关键实现要点，事实上一个 Agent 在日常生产里最主要的问题就是可控和可靠，所以虽然理论上 Agent 就是 LLM + Tools + RAG

现在市面上能调用的模型确实越来越多了，各家都有自己的亮点和侧重点，光看宣传文档和跑分数据其实很难判断哪个真正适合自己——尤其是当任务从单轮对话延伸到多步操作的时候，情况就更加复杂了。 所以我就想着，不

阿里一面Agent方向面试复盘，涵盖LangChain架构、Multi-Agent、A2A协议、MCP、Transformer自注意力、大模型对比等核心面试题

理论到实践的距离，只有动手才能缩短。从本章开始，我们将用三个完整的实战项目，把前面学到的知识融会贯通。第一个项目是智能数据分析Agent——用户用自然语言提问，Agent自动查询数据、执行分析、生成图

你好，我是小 G。 我在 AI 编程 Skills 选型清单 和 强模型时代，AI 编程 Skills 还有必要装吗？ 这两篇文章中，都提到了 mattpocock/skills，grilling 还

2026年5月GitHub十大热门：从skills到Pixelle-Video，月榜社区火力集中在「把Agent做进工程化工作流」-能省Token、能记住上下文、能编排多Agent、能产出内容。

通俗易懂的 Loop Engineering 保姆级教程，用 Claude Code、Codex、Cursor 三款主流 AI 编程工具实战体验 Loop 的效果，详解方法论框架和踩坑经验