系列文章

我用上帝视角做了一个自我演进的 Agent，随着进化的不断进化，思考了几个观点，AI 不是全能的，AI 代替不了人，但能代替闭环的行业。

最近在尝试从 0 写类似 Claude-Code 的工具，实现长任务运行，由于 Claude-Code，想着探究一下 Claude-Code 底层实现。

如果这篇文章放在两年前写，我大概率会把 Git Worktree 当成一个“高级 Git 小技巧”来介绍。 但到了今天，我更愿意直接下结论：只要你开始让多个 AI Agent 并行写代码...

最近在尝试实现一版简洁版本的 OpenClaw，实践了很多用 OpenClaw 直接实现代码生成的工程任务，发现不符合预期，最后经过多轮调试和思考方法论，总结了这篇文章的方法。

上一篇文章介绍了《从0开发大模型之实现Agent（Bash 到 SKILL）》，有些读者反馈文章太长了，所以这篇文章主要介绍 Agent Loop。 Agent Loop 是什么？ Agent Loo

从《learn-claude-code》受到启发，于是参考源代码写了这篇文章：如何实现从0开始构建Agent？

2025年过的很快，可能是AI发展太快了，每天都在AI各种新技术的冲击中度过，也充满焦虑和无奈的一年，不过还是需要总结一些这一年的目标完成情况和思考吧。

2025年以来，我们正站在人工智能应用演进的一个关键节点上，从预测式AI（分析模式、进行分类）到生成式AI（创造文本、代码、图像），我们如今正迈向第三个阶段：AI Agent。

因为项目的需要，之前研究了一段时间的RAG，于是本文总结 8 种 RAG 架构，对每种架构进行简要介绍，并用 langchain 实现其参考代码。

最近在参加公司的 Agent 比赛，尝试将一个想法用完整的 Vibe Coding 流程来实现，经过一些曲折，最后完成了，比传统Coding的效率的确提升了5倍左右，先介绍项目，最后再写开发总结。

最近 Claude 在 github 上有一个比较火的项目：https://github.com/anthropics/skills，项目是围绕新概念 Skills

大模型发展这两年，应用型 AI 的焦点一直在 “提示工程”（prompt engineering），但随着更强大的大语言模型（LLM）走向多轮、长时间的自主行动，一个更关键的概念开始走到台前：上下文工

什么是 PGO？ Profile-Guided Optimization (PGO) 是一种 “以真实运行数据为依据” 的编译优化方式： 先用插桩或采样收集程序在代表性输入下的执行画像（热点路径、分支

最近 OpenAI 发表了一篇文章《Why Language Models Hallucinate》，解释为什么会出现 "幻觉"，周末我读了一下，总结这篇文章。 什么是"幻觉"？

最近在工作中遇到一些开发，很多人觉得实现 strlen 是一件很简单的事情，很快写出如下代码：...

虽然一直在开发中使用 JSON 解析，但是如何高效的从 0 实现一个 JSON 解析，一直还未尝试，花了几个周末的时间用 golang 实现 sjson。

前段时间读完了周志华老师的《智慧的疆界：从图灵机到人工智能》，一直没写读书总结，趁着周末，简单总结下。

继续上一篇《Linux高性能网络编程十谈|C++11实现22种高并发模型》，大家对于 C++ 实现各种 Server 比较感兴趣，于是我把工作这些年接触的高性能开源的网络框架整理了一遍，基于9个C++

想起很久之前拖更的一篇关于《Linux高性能网络编程十谈》结尾的博客，于是周末继续撸代码，整理这篇用 C++11 实现 22 种高并发模型。

为了探索和改进 AI 工具在编程方面的体验，同时也想验证一些 AI 的边界，于是又想到了尝试从 0 实现高性能JSON解析器，说干就干。 开始以为比较简单，不会超过半天就能实现，但是经过各种提示词优化