Posts
All the articles I've posted.
-
为什么越来越多 Agent 开始采用 Event-driven 架构
深入解析 Agent 架构中的传统 Agent Loop 与 Event-driven 的优劣，明确何时使用事件驱动，何时回归循环。
-
从 LangChain 到 DeepAgents：解密 AI 智能体工程化进阶之路
本文深度解析 LangChain 团队出品的开源高级 Agent 框架 DeepAgents。文章指出当前 Agent 应用存在模型依赖和环境缺失两大痛点，并介绍了 DeepAgents 如何利用 LangGraph 状态机底座与外Shell 工程（Harness Engineering）来稳定 Agent 逻辑并提升任务成功率。此外，还详细探讨了其子代理委派、受控文件系统、人机协作等开箱即用的套件以及支持长期运行的 Talon 架构，强调工程化落地是 AI Agent 发展的未来方向。
-
Openclaw 双轨自进化机制：自我提升与技能自动化的深度解析
本文深入解析了 OpenClaw 的“双轨自进化”机制，详细阐述了 Self-Improving 与 AutoSkill 如何协同工作，解决 AI Agent 记忆断裂与技能固化难题，并对比了其他技术方案的差异。
-
ego browser 超越 BrowserHarness
介绍 ego browser 解决 AI 抢遥控器、登录态丢失等痛点，支持并行操作与账号复用，通过纯 JS 驱动提升效率和准确率。
-
构建自我迭代的 Agent：双智能体架构实战
本文探讨了构建高效 Agent 的核心技巧：采用 Actor-Critic 双智能体架构，通过引入结构化裁判评分、拦截退化代码的爬山算法及防卡死回滚机制，实现质量的单调递增与自我迭代，从而克服大模型自回归和上下文污染的缺陷。
-
去AI味没有万能工具关键在拆规则
实测十余款去AI味工具后发现，单一Skill解决不了所有问题；把各工具拆出的句式、颗粒度、保真度规则组合成个人检查清单，再交给合适的模型执行，效果远好于套用任何单个工具。
-
WorkBuddy作为第二大脑执行层的实操
以WorkBuddy为执行层、Obsidian为存储层，将原始资料加工成可判断的半成品，由人决定是否入库，避免知识库沦为资料仓库。
-
X创作者收款闭环：英国PayPal注册指南
本文为X平台创作者提供了通过英国PayPal收款的详细指南，帮助解决跨境收入难题。
-
Loop 工程的核心在判定与地基
Loop Engineering 常被当作 AI 新范式，其实质是古老的闭环控制；真正稀缺的，是定义“什么算对”并把判定下沉到机器验证器这一地基工程。
-
AI 写作去味：机理与操作方法
从素材、思考、风格三个层面解释 AI 生成文本的失真，介绍高频特征、检测工具局限、五步自检流程及工具链选择，提供减少 AI 味的实用方法。