带兄弟们做 Agent 大半年,Demo 跑得挺好,上线两周被现网用户教做人。复盘四个真出过的事:function calling 翻车、多步任务没 checkpoint、记忆一股脑塞进 prompt、工具调用副作用失控。
博客
个人原创博客日志 · 第 7 页
拉尔夫循环——给 Claude Code 一个目标和验证标准,让它在闭环里跑'执行→测试→改→重来',睡觉时自己改完代码。哪些活能交出去,哪些坑要避开。
Agent 表现不好,直觉反应是换更强模型、加更多工具、写更长提示词——但加法常是负优化。代码替代对话链、Sub-Agent 空间隔离、压缩做时间隔离、Skill 按需加载,四把手术刀给模型更精准的而不是更多的。
AI Agent 不靠谱?多半不是模型变笨了,而是 Harness 没做好。一文搞懂 Harness 在 Claude Code 这类工具背后到底干了哪三件事。
Augment Code 实测数十份 AGENTS.md 后总结:写好了相当于把模型从 Haiku 升级到 Opus,写烂了让 AI 比裸跑更差。7 个有效模式 + 2 个失败陷阱 + 文档发现率梯度,外加几条不能假装不存在的工程边界。
一篇讲清楚主流免费 LLM API:Google AI Studio、GitHub Models、Groq、OpenRouter、Cloudflare Workers AI 等长期免费额度,以及阿里云、Baseten、Modal、SambaNova 等注册送体验金平台。
Skill 工程化的终局,不是把一把瑞士军刀磨得更利,而是让团队像流水线般作战。本篇讲显式调用与技能链、Treat Skill as Code 的版本控制与反向优化,以及带团队跨越 AI 新手村的三阶段路径。
把 Skill 当代码来写:从 description 路由、SKILL.md 契约、references 拆分,到黄金用例集与安全审查。一份可以直接落地的工业级 Skill 开发 SOP。
Skill 是给模型的作业指导书,不是函数调用。四件套(Metadata / allowed-tools / SKILL.md / scripts)+ 三阶段生命周期(注册 → 匹配 → 执行),讲清何时该写、怎么写不跑偏。
从 Prompt 的三大坑出发,解释 Skill 为什么是 AI 工程化的下一步:持久化、按需激活、参数化。本文讲概念、类比与渐进式披露三层架构。