Arvid

一、为什么召回率 95%，大模型还是答错？ 几乎所有 RAG 项目的第一步都是提升召回率：调 Embedding 模型 、换向量数据库、优化 Chunk 策略……一套操作下来，Recall@10 到了

LangGraph 记忆系统设计实战 从"失忆"痛点说起 想象一个场景：用户和 Agent 聊了 50 轮之后突然问一句"刚才说的那个方案怎么实现？"，结果对方答：“抱歉，我不知道之前说了什么。” 这

一、上下文：大多数人都踩过的那个坑 先说一个真实场景，不知道你有没有遇到过： 你给 Agent 接了 8 个工具，塞了 10 万 Token 的业务文档，聊了 50 轮之后，它突然"失忆"——明明前面

2026 年 2 月，"Harness Engineering"这个词在 AI 工程圈突然火了。Mitchell Hashimoto 首先命名了这个实践，OpenAI 跟着发了一份百万行代码的实验报告

深入解析 AI Agent 的记忆系统设计 你有没有想过这个问题：当你和 Claude Code 聊了一个小时后，它是怎么记得你之前的需求？当你第二天打开同一个项目时，它为什么还能"认识"你？ 这不是

你有没有遇到过这种情况——辛辛苦苦写了一份 Skill 喂给 AI，结果它要么根本不触发，要么触发了却干得一塌糊涂？ 问题往往不在 AI 身上。问题在于你写的那份"指令"，本质上是写给人看的文档，而不

你有没有遇到过这种情况——辛辛苦苦写了一份 Skill 喂给 AI，结果它要么根本不触发，要么触发了却干得一塌糊涂？ 问题往往不在 AI 身上。问题在于你写的那份"指令"，本质上是写给人看的文档，而不

以终为始 做任何项目或事情，切忌盲目启动，核心是“以终为始”——先想清楚这件事的来龙去脉，在脑海中搭建完整框架，再通过项目画布全面拆解核心问题，明确“为什么做、怎么做、如何落地”，避免走弯路、做无用功

引言：AI编程的范式革命 Claude Code不是另一个代码补全工具。它正在重新定义程序员的工作方式。 传统编程是程序员编写每一行代码。Claude Code改变了这一模式：程序员成为指导者，AI成