架构

2. 让 Agent 能读写文件、执行命令 —— LocalShellBackend 实战这不是一个"让 Agent 多说几句话"的升级教程。我们要做的，是让 Agent 从"只会算数和报时"进化成一个真正能读写文件、搜索代码、执行 shell 命令的全能助手。整个过程基于上一篇文章的项目，增量改动集中在 agents.ts 和 index.ts。

embedding 位置编码 self-attention 的简单学习二“模型怎么预测下一个词”这件事的理解还停留在“输入一句话，模型自动补全”的层面。至于内部怎么做的？Token是什么？位置编码有什么用？Self-Attention到底在算什么？——一问三不知。

团队 AI 资产总烂在本地？先分清哪些该装、哪些只能连一个几乎每个团队都会遇到的场景：组里最好用的那个 skill、最全的领域知识库、最顺手的连数据库脚本，往往只活在某一个人的笔记本上。别人想用，得把环境在本地重装一遍、重新配一遍、再手动拼起来。更糟的是，装完之后每个人又在本地悄悄改了几刀，慢慢分叉成好几个互不相同的版本，而当初那个中心版本反而越来越旧、越来越没人维护。

小白鼠幻想家

Agent 上下文爆炸：200 万退款事故复盘⚠️ P0 事故通报时间：2026-03-25 02:17 影响范围：AI 客服 Agent / 退款模块损失金额：¥2,147,600（47 笔错误全额退款）根因：Agent 上下文溢出导致决策漂移 + 工具层缺乏金额校验 + 自动审批阈值过高定级：P0 复盘人：架构组

副作用 (Side Effects) 全攻略：如何像大师一样掌控 Composable 的生命周期？在前面的文章中，我们反复强调：Composable 函数应该是纯净的（Pure）。它的职责只是接收状态并渲染 UI。

jitword 协同文档3.2发布：打造浏览器中最强word编辑器迭代 2 年半，我们做的 JitWord 终于迎来第 90 个版本迭代。Github：github.com/jitOffice/j…

Harness Engineering 核心四层一：记忆模块的简单学习别让大模型裸奔——教你用工程化思维给LLM套上“缰绳”，稳定驾驭AI能力大家好，我是你们的老朋友，一个在架构与编码间挣扎了十年的老程序员。最近在技术圈子里，Harness Engineering这个词被提到的频率越来越高，尤其是在Claude Code、Cursor以及腾讯的CodeBuddy、WorkBuddy等AI编程/办公自动化工具大火的背景下。

OpenHarness源码研究-3-codex配置到输出对话第2篇末尾提到，asyncio.run 启动了REPL循环。但一次对话是怎么发生的？先要回答三个问题：

深入理解 Compose 重组机制：快照系统如何驱动 UI 精准刷新？在第一篇文章中，我们聊了 Compose 的“去 View 化”架构。很多开发者在上手 Compose 后，最直观的感受就是：代码变少了，但“魔法”变多了。

深度解析：Jetpack Compose 核心架构与底层原理 —— 十年安卓老兵的“破茧重生”作为一名有着十年 Android 原生开发经验的开发者，我们已经习惯了 XML 布局、View.java 的漫长继承链以及 findViewById 的肌肉记忆。然而，随着 Jetpack Compose 的成熟及其在 Kotlin Multiplatform (KMP) 中的统治地位，UI 开发范式正在经历一场底层革命。

ReAct 循环：Agent 的思考引擎 — Think → Act → Observe基于 Lion-1209/AgentStudy 仓库，对应代码见 stage1-fundamentals/task1.1_minimal_react.py

从狂野代码到按目标生产：得物推荐 AI Harness 的工程化实践｜AICon 演讲整理本文是得物技术专家在 AICon 上海演讲整理的技术实录。「得物推荐 AI Harness 工程化实践系列」的开篇内容，本系列共三篇连载。将系统拆解得物推荐复杂业务场景下，AI代码从生成、防护校验到安全上线的完整技术体系，逐一详解自研AI Harness整体架构框架、全流程安全防护机制、混合智能体核心算法实现，以及工业级工程落地的实战细节。

Superpowers AI编码秩序当下AI编程已经成为开发者的标配工具，但绝大多数人都面临同一个痛点：AI写代码“快而乱”。随手生成逻辑、跳过边界校验、省略单元测试、代码耦合严重、功能完工即暗藏Bug。AI带来了开发效率的飞跃，却也让很多项目陷入“快速开发、反复调试、持续返工”的恶性循环。而 Superpowers 的出现，为AI开发套上标准化、工程化、规范化的硬核枷锁。

古茗前端团队

急招！前端｜测试｜后端｜产品（名额多，速来）前端｜测试｜后端｜产品都需要，没有套路，公司直招，快到碗里来～✅ 奶茶畅饮，喝到饱✅ 每年 2 次晋升，2 次加薪机会

我再也不敢随手 `docker compose down -v` 了这次复盘一个很典型的 Compose 维护事故。一个小团队的内部工具用 Docker Compose 跑，里面有 app、postgres、redis、nginx。升级前大家习惯性执行：

从零开始搭建一个 AI Agent —— LangChain + TypeScript 实战手记这不是一个"Hello World"级别的调用 LLM API 教程。我们要做的，是一个真正能自主调用工具、流式输出、记住上下文、甚至能展示思考过程的 AI Agent。整个过程从零搭建，由浅入深，每一步都写清楚为什么这么做。

【Agent Harness】Gliding Horse 设计细节 -- 不跟风开发自己的AI Agent摘要：本文深入解析 Gliding Horse Agent OS 的架构设计，涵盖通用化 PDCA 编排、五层记忆架构（受 CPU 缓存启发）、JSON-LD 语义数据总线、5W2H 任务本体、技能图谱自动进化等核心创新。适合 AI 智能体框架开发者、系统架构师及对多智能体协作感兴趣的技术人员阅读。

数据权限为什么不能只靠注解？Forge 的 Mapper 层 SQL 改写源码拆解做后台系统，权限最容易被低估。很多项目把权限理解成：菜单隐藏、按钮隐藏、接口加个注解。结果上线后才发现，真正难的是数据权限：

小爷毛毛_卓寿杰

我把 397B 的「Agentic 大脑」塞进了 Xinference，一键部署 Nex-N2事情是这样的。上周六晚上我在刷 GitHub trending，看到一个项目叫 Nex-N2，star 数还在涨，点进去看了看。然后我整个人愣了好一会儿。