AI / Agent架构
AI CR 的规则、事故记忆与业务上下文：重点研究 Qodo
我最近在研究代码质量, 想搭一个 AI CR. 难点是那些只有内部人才知道的事故和业务约束. 0x00 模型没有想到的风险 ScyllaDB 31705 改了 repair 的恢复过程. 采集时仓库有 15785 stars, PR 尚未合并. Qodo 看到持续重试, 建议加一个总上限. 作者回答: “This is
TAG / S
上下文工程
shangxiawengongcheng·3 篇笔记·上下文窗口的构造、压缩与组织
AI / Skill
Agent Skill 编写最佳实践: 上下文预算、触发工程与可证伪的验证
NOTE 为什么一个精心写好的 skill 会从来不被触发, 而一个写得普通的 skill 却总被误触发? 决定这件事的, 甚至不是它的正文. 更反直觉的是: 命名不合法、描述缺失、正文超预算 这些失败 没有一个会报错 . skill 只是安静地从目录里消失, 而模型既看不到错误, 也分不清"不存在"与"写错了". 那
AI / Agent架构
AI Agent设计原理与工程实践
NOTE 同一个模型, 换一套外壳, 有的 Agent 能可靠跑完一单退款, 有的却在第三步就编出一句"已经帮你处理好了"差距究竟在模型里, 还是在模型之外? 上下文、工具、约束、验证、纠正, 每一环都决定它落地时是助手还是负担; 这篇文章要问的是, 把这些环节拼成生产可用的 Agent, 工程上到底要付出什么. 0x