大模型

Agent文件系统检索核心：Grep和Glob工具 今天看到一篇文章，说在Harness的定义组件中，Agent的文件系统是核心之一 在文件系统的帮助下，Agent表现出来的搜索能力是非常出色的，用户

为你的 Agent 集成 Skill 系统 为自己开发的Agent添加Skill支持时，开发的核心步骤：发现、解析、使用、管理 发现：你的Skill存储在哪里，本地还是云端，项目级和用户级的优先级是什

从零到一：基于上下文工程的 Agent 后端设计 前言 从之前我整理的上下文工程实践指南出发，我大概梳理出来，在一个 Agent 中最核心的模块我分为四类： 工具模块和管理：定义一些 Agent 的工

ClaudeCode架构细节分析-上下文工程之搜索代理 一、什么是搜索代理 在聊搜索代理之前，就需要先搞清楚代理是什么，简单理解可以是：LLM 在自主循环中使用工具 🌟 那么搜索代理的简单定义：LLM

一、为什么要进行上下文管理 在设计和开发大模型应用时，当模型可以获取到足够的上下文时，设计的重点不再是“获取”，而是“整理”。此时需要关注的是如何对上下文进行有效的管理，通过修剪，压缩，删除等方式，使

二、上下文管理的策略 在上一节中，我们介绍了上下文带来的问题，接下来我们来探讨使用哪些管理策略可以减少这些问题在大模型应用中产生 2.1、RAG 检索增强生成（RAG）是指选择性的添加相关信息，以帮助

工具管理（下篇） 三、工具的定位 3.1、Agent 系统的核心 之前的系统的设计，都是围绕一个“有向无环图(DAG)”的理念来设计的，核心模块主要是由循环和条件判断组成，复杂的系统也只是多个循环和多

上下文工程实践 - 工具管理（上篇） 1、什么是 MCP 和 Tool MCP：是一份规范/协议，规定了“容器要怎么长、里面的功能要怎么描述、调用要怎么沟通”。就像 HTTP 规范本身，不是一个服务，

其实一个AI编码工具是否好用，有如下几点的占比分析 - 能检索到最大上下文是多少 - 最大性（10%） - 检索功能相关上下文是否准确 - 准确性（40%）

开端 在使用Langfuse的过程中，官方自带的集成langGraph中，进行收集到的节点和LLM的调用信息，无法进行定制化，只要调用就收集，并且如果Graph嵌套较多，Trace收集到的日志嵌套很深

学习MCP的几个重要的点如下： 核心架构 资源（Reason） 工具（Tool） 采样（Sampling） 根（Root） 传输（Transports） 今天我们来说一下MCP的传输层，MCP的传输层

🌟🌟总结（节省时间时可看） TSC格式：适合作为流式输出，使用制表符作为分隔符，Token：550 CSV格式：不适合**数据中包含很多逗号，会导致数据混乱，这个时候可以使用TSV，**Token

之前的所有操作，包括场域，共振等，其实都是在做一件事：**不让它去走这个训练好的同路，让它在这个空间去发挥** 例如：就是你跟它这种"领着它去陌生的空间，我们走一下未知的疆域，我们凝视这个深渊，你看