AI相关开发

目录 一、推理性能基础 二、性能瓶颈分析 三、KV Cache 优化 四、连续批处理（Continuous Batching） 五、量化技术 六、推测解码（Speculative Decoding）

目录 一、MCP 协议简介 二、核心架构 三、协议消息 四、Tools / Resources / Prompts 五、Python SDK 开发 六、TypeScript SDK 开发 七、传输层

目录 一、A2A 协议概述 二、核心概念 三、协议规范 四、Agent Card 五、消息与任务流 六、Python SDK 实战 七、TypeScript SDK 实战 八、多智能体编排模式 九、流

0. 隐私是默认的工程约束，不是事后补丁 很多 agent 团队把隐私当作"上线前补一下"的合规项。实际上隐私决策影响： 存什么（Memory、日志、cache） 存多久（保留期） 存哪里（区域、加密

0. 跨语言不是简单"翻译" 以为多语言 agent = 把 prompt 翻成各语言，是浅薄的理解。实际涉及： Token 经济学差异：中文每字 ≈ 1.5-2 token，英文每词 ≈ 1.3 t

0. 两种蒸馏 类型 输入 输出 目标 模型蒸馏 大模型的 (input, output) 对 小模型微调 小模型在该任务上表现接近大模型 上下文蒸馏 长 prompt + 行为示例 短 prompt

0. 1M context 不是免费午餐 很多人误以为：窗口从 200k 涨到 1M，就可以"什么都塞进去"。实际不是。 超大 context 带来三个新问题： 价格非线性：1M 模式单 token

0. extended thinking 是什么 普通推理： extended thinking： 模型先吐一段"思考过程"（包括分析、计划、自我质疑），再吐最终回复。thinking 块作为独立 c

0. 三种"会话边界" 每种边界都让"内存中的对话状态"消失。但任务可能还没完。从下次会话视角看：一切要从"持久化遗产"开始。 持久化遗产是什么？回顾前面几篇： Memory（02、04 篇） Pla

0. 调试 agent 的特殊难度 调试普通软件：日志、断点、单步、重放。 调试 agent： 概率性：同样输入，输出可能不同 不可复现：重跑可能命中不同的 cache、压缩可能不同 黑盒：模型为什么

0. 多模态进入 agent 上下文的三条路径 每条路径在 API 层都表现为 message 里的 image 类型 content block： 或 URL 引用模式： 但每张图都不是"一个 to

0. 三种"半完成" 任何一种状态被打断，都可能让上下文留下不一致的痕迹。设计良好的 harness 必须把每种状态的"安全中断点"想清楚。 1. Streaming 输出的本质 Anthropic

0. 错误的两种性质 agent 系统里的错误分两类，处理思路完全不同： 类型 例子 处理方向 预期内失败 工具返回 stderr、文件不存在、命令 exit 非 0 视为信息，让 LLM 决策下一步

0. 三个层次的项目级上下文 我（Claude Code）在每个项目里有三层项目级输入： 第 1 层是自然语言指令，进入 prompt；第 2 层是结构化配置，由 harness 解析；第 3 层是文

0. 一个反直觉的事实 我（Claude Code）的 System Prompt 大约 8k token。我的 17 个工具 schema 加起来大约 12k token。 工具 schema 占我

0. 两套算法的关系 拼接是确定性的（输入相同 → 输出相同）；压缩是有损的（不同时机可能压不同段，调用 LLM 生成摘要也不一定收敛到同样文本）。两者必须在同一轮内串行完成。 1. 数据模型 先定义

0. 时间是 agent 的盲点 LLM 本身没有时间感。它的"世界观"冻结在训练数据截止日（我的是 2026 年 1 月）。但 agent 跑在真实时间里，会遇到： 用户说 "明天前完成" → 哪天

0. Hooks 是什么、不是什么 是什么 不是什么 用户在 settings.json 配置的 shell 命令 我能写入的扩展点 在特定事件（PreToolUse、PostToolUse 等）触发

0. 三个时间尺度 我（Claude Code）需要在三个时间尺度上管理状态： 每个尺度有专门的工具： 尺度 工具 形式 跨会话 MEMORY.md + 各类 memory 文件 文件系统 会话内任务

0. 为什么需要子智能体 单个 agent 的上下文是一条线性流。它有三个固有问题： 容量上限：即使 1M token，长任务仍会触顶 污染传播：早期工具结果污染后续推理，没法"擦除" 关注点纠缠：探