AI

共 10 篇文章

如何为 Skill 构建自我提升循环

分享在实际项目中构建 Agent 自我提升循环的方案：通过执行循环与反馈环的结合，实现 Skill 质量的持续自主优化。

随着 AI agent 以惊人的速度生成代码，软件工程的核心瓶颈已从编写代码转变为对其进行验证，这使得代码评审成为当今最具杠杆效应的关键环节。

智谱发布全新旗舰模型 GLM-5.2，首次在 100 万 token 超长上下文上实现强大且稳定的长程任务能力，并采用全新 IndexShare 架构与防作弊强化学习技术。

本文用通俗易懂的语言为你拆解 LLM（大语言模型）的底层运作机制，包括下一个词预测、Token、训练三阶段、参数以及幻觉的由来。

循环工程是一种让 AI agent 自动迭代、分派、检查和记录任务的新协作方式。

Andrej Karpathy 的 Claude.md 抱怨贴如何演变成 GitHub 12 万 Star 的规则，以及开发者对其进行的进一步补充与优化实践。

对 Anthropic 官方发布的多 Agent 协作模式指南进行了深度总结，包括生成器-验证器、协调者-子代理、团队模式、消息总线和共享状态五种架构的工作原理、适用场景与实现难点。

对 GitHub 上关于 Claude Code 性能下降的定量分析 Issue 进行了深度解读，揭示了“先思考”向“先编辑”的工作模式转变、思考深度暴跌与各种逃避行为的关联。

探讨为什么 AI 难以在没有约束的情况下处理长任务（上下文丢失、目标漂移、提前结束），并介绍 Harness Engineering 这一将 AI 纳入工程框架（外部记忆、任务拆解、固定循环、测试优先）的解决路径。

面向程序员的 UI/UX 设计技能指南，分类整理了生成、规范、还原、系统的不同设计能力与适用场景。