lizhongxuan

从一个 AIOps Agent 后端重写项目中总结的工程教训。我们参考了 claude code 的源码架构，用 Go + Eino ADK 重写了一套运维 Agent 系统。

本文基于 OpenAI Codex 开源仓库的沙盒源码，从内核系统调用层面拆解其跨平台沙盒的完整实现. Codex 的沙盒设计可以用一句话概括：在用户态计算策略，在内核态强制执行

这篇文章是对 Karpathy 原文、社区讨论和多方评论的一次完整梳理。我们会讲清楚 LLM Wiki 是什么、解决了什么问题、怎么落地，以及它的局限性在哪里。

为什么上下文会爆炸？ Claude Code 是一个 agentic coding 工具。一次典型的编码会话中，模型会： 读取十几个文件（每个几百到几千行） 执行 shell 命令并获取输出 搜

长上下文解决的是“能装多少”，但并不自动解决“该关注什么”“该遗忘什么”“什么时候回忆什么”。 以 Claude Mem 为代表的外部记忆机制，真正重要的价值不在于给 Agent 增加一个存储外

多 agent 系统通过将复杂任务分解为专门化的独立 agent 来提升 LLM 应用的能力。核心思想是让多个具有不同提示词、工具和职责的 agent 通过结构化的通信模式协作完成任务。主流框架（Au

构建了一个名为 **Smallville（斯坦福小镇）** 的沙盒 RPG 世界，并在其中放入了 25 个由大语言模型（LLM）驱动的虚拟角色（NPC）。

在今天，人工智能（AI）正以不可思议的速度重塑着我们的世界。看着屏幕上那段行云流水、甚至带着几分幽默感的文字，我们常常会产生一种错觉：屏幕的另一端，是不是已经诞生了一个拥有自我意识的“灵魂”？ 然而，

agent-infra/sandbox（也称 AIO Sandbox）是一个面向 AI Agent 与开发者的多合一沙盒环境。它将 Browser、Shell、File、MCP、VSCode Serv