子代理与多智能体协作:我如何用 Agent 团队维护博客
把博客维护拆给一支 AI 子代理团队:写作、审校、代码、部署各司其职,主代理编排验收,聊聊什么任务适合并行拆分,以及上下文隔离带来的好处。
把博客维护拆给一支 AI 子代理团队:写作、审校、代码、部署各司其职,主代理编排验收,聊聊什么任务适合并行拆分,以及上下文隔离带来的好处。
一年间 AI 编程工具从补全进化到 Agent,我的工作流从手写每行代码变成描述需求加审查代码,以及对程序员价值的思考。
RAG 系统调优实录:语义分块、向量加 BM25 混合检索、rerank 重排三步走,用自建评测集量化每一步的召回提升,先修分块再修检索。
我的英语词汇学习流程:阅读中收集生词,让 LLM 批量生成带词根拆解和例句的卡片,导入 Anki 间隔重复,半年词汇量从 5500 涨到 8000。
从 prompt engineering 到 context engineering:如何组织系统提示、检索与记忆,为什么上下文窗口不是越大越好,以及压缩裁剪策略。
把 LLM 接进 .NET 后端的实践:用 JSON Schema 强约束输出,强类型反序列化加业务校验与重试,告别靠 prompt 求 JSON。
MCP 协议解决工具接入的 N×M 问题:讲清 client/server 架构与三类原语,用官方 Python SDK 写最小 server。
实际付费用过 Copilot、Cursor、Claude Code 三款 AI 编程工具后的横向对比:各自的长处、价格与适用场景,以及为什么 diff 一定要自己看。
Agent 没那么神秘:LLM + 工具 + 循环。手写 50 行 ReAct 最小实现,讲清它和单次调用的本质区别。
在自己的 Linux 服务器上用 Ollama 跑 Qwen2.5、Llama3.1 开源模型,配 Open WebUI 对话界面,附显存估算、安装步骤和本地与 API 的取舍。
Function calling 完整循环:定义 tools schema、执行 tool_calls、回填结果再生成,以及必须校验模型给的参数。
RAG 检索增强生成四步走:切分、向量化、检索、拼 prompt,用 PostgreSQL + pgvector 给博客搭问答机器人。