浅谈Agent Harness ：面向 2026 的 AI Agent Harness 最小化设计指南
面向 2026 年的 AI Agent Harness 最小化设计指南：解析 loop、tools、filesystem、context、memory、subagent 和 observability 等核心组件。
告别手动优化：从新版 Skill-creator 看 Agent Skills的工程化评估和优化
Intro 过去一段时间，如果尝试过用claude-code 官方的skills-creator构建agent skills，大概率会发现：agent自己构建的skills往往不好用。于是乎，为了验证一个新写的 Skill 是否真正有效，不得不陷入无止境的“修改 Prompt -> 手动跑测试 -> 检查结果” 的循环中。 ...
Agent Infra: sandbox技术和选型
从 Context Engineering 出发，梳理 AI Agent 沙箱需要解决的隔离、文件系统、代码执行和生命周期管理问题，并比较主流技术方案。
如何构建可靠的 Agent 评估体系：读 Anthropic 技术博客有感
基于 Anthropic 技术博客，探讨构建可靠 AI Agent 评估体系的方法论，包括任务定义、评估维度和实践建议。
Tongyi Deep Research 论文笔记
通义 Deep Research 论文阅读笔记，分析其如何使用 30B 参数实现接近闭源模型的 deep research 效果。
RAG工具箱：有了Copali系列模型，我们还需要OCR吗？
讨论 ColPali 类视觉文档检索模型如何跳过传统 OCR、文本解析与分块流程，以及端到端多模态 RAG 的适用边界。
RAG工具箱：ColBERT
前一段时间跑比赛时，苦于上分陷入瓶颈，于是便祭出了ML经典ensemble大法，其中一个分支便是选择的ColBERT，没想到，竟成了破局的关键；也由此补齐了我对“迟交互”类模型的认知。 在典型的检索系统中，我们常用的架构是 Retrieval + Reranking两阶段: ...
拒绝“想太多”：大模型Thinking Budget控制方案解析
分析大模型 overthinking 问题及 Thinking Budget 控制方案，比较主流模型 API 的推理长度和计算预算配置。
从下半场开始，对于评估的重新思考: 一些概念
从模型评估进入 AI 下半场的背景出发，重新梳理 benchmark、任务定义、评估指标和真实场景有效性之间的关系。
初探 Mem0
写在开头 本文是对于Mem0的论文解读和使用记录； Mem0 是一款面向LLM应用的memory layer框架，同时是开源的。虽然它最早在 2024 年中旬亮相，起初的框架设计并没有太多亮眼之处，不过在最近，发布了一次比较重大的更新（基本上是重构了）采用了基于 AI-agent 的对话记忆提取、更新和查询等机制，实际体验下来，算是目前为止比较好用的了。 ...