全部文章
Agent 可观测性：它到底在干嘛
Agent 出错最难排查的地方是“中间发生了什么没人知道”。日志、追踪、回放三件套，把黑盒变成可以调试的系统。
把博客的重复劳动交给 Agent 的改造方案
以这个博客为例，拆一遍哪些运营劳动适合交给 Agent、哪些必须留在人手里，附上具体的任务清单设计。
多 Agent 协作踩坑记：拆解、共享与回滚
单 Agent 处理长任务容易跑偏，于是把任务拆给多个 Agent 协作——然后掉进了一堆新坑。拆解粒度、上下文共享和失败回滚，三个问题三个教训。
Computer Use 初体验：能力与边界
让模型直接操作浏览器和桌面完成多步任务，像在看一个远程实习生工作。体验之后聊聊它现在能干什么、还不能干什么。
让 Agent 碰数据库前，先做好这四件事
给 Agent 开数据库权限是所有 Agent 落地里风险最高的一步。最小权限、只读副本、SQL 校验、审计日志，四道防线缺一不可。
AI 写代码之后，评审该看什么
当一半代码是 AI 生成的时候，code review 的重点必须变：从逐行找 bug 转向审边界、审安全、审“它理解对了吗”。
用 AI 编程助手重构老项目：一次实录
拿一个三年没动的老项目试了完整的“AI 辅助重构”流程：先读、再测、后改。结论是顺序反了就全是坑。
MCP 入门：给模型插上工具的标准口
MCP 正在成为 AI 工具调用的通用协议：一次封装，所有支持它的客户端都能用。这篇讲清楚它解决了什么问题，以及怎么写一个自己的 MCP 服务。
Agent 元年：从会聊到会干活
行业竞争的重心正在从模型跑分转向 Agent 落地交付。怎么理解这次重心转移，以及为什么“稳定交付”比“聪明”更难。
开源权重模型选型：Qwen、DeepSeek、GLM、Kimi
公开调用量榜上中国模型已经占了大半席位。不是说它们全面超越了旗舰，而是“够用 + 便宜 + 拿得到权重”这个组合赢了。
量化与蒸馏：把模型便宜地放进生产
同样一个模型，部署方式的成本能差十倍。量化、蒸馏、缓存，三条降本路线各有适用场景，这篇给出选型决策。
模型周更之后，你需要自己的评测集
模型发布速度已经快过开发者完成一轮评估的速度。与其追榜单，不如花一天建一个 50 条的私有评测集，从此换模型变成跑一次脚本的事。
多模态落地的三个真实场景
图文理解能力降到几厘钱一次之后，多模态从“演示项目”变成了可以写进排期的功能。挑三个投入产出比最高的场景说说。
从提示词工程到上下文工程
过去一年最明显的变化：写好一句指令带来的提升越来越有限，而“给模型看什么”——文档、示例、历史、工具结果的组织方式——成了效果的主要变量。
给应用接 LLM API：成本、限流与降级
上线一个真正在用的大模型功能，工程量的大头不在调 API，而在限流、重试、缓存和降级。这篇整理一套可以直接抄的防线设计。
上下文窗口越来越长，RAG 还有必要吗
能塞一本书进上下文之后，“把知识库都喂进去”听起来很有吸引力。但成本、噪声和延迟提醒我们：RAG 没死，它只是换了形态。
在笔记本上跑本地模型：一次完整的安装记录
从选模型到跑通第一条命令，记录在 32GB 内存的笔记本上跑开源模型的完整过程，包括显存占用、速度和几个想当然就会踩的坑。
30B 以下的小模型，能顶多大用
笔记本都塞得下的小模型，每个月都在逼近旗舰系统的能力线。哪些活已经可以放心交给它们，哪些还不行，这篇给一个实测分界线。
挑大模型的新标准：从跑分到 Token ROI
9 月前后一周之内七家厂商同时发新模型，榜单还没看完价格已经变了。比拼单点能力之外，“每百万 Token 花出去能换来多少实际产出”正在成为选型的第一指标。