DeepSeek Harness 的 Cordis 插件架构
DeepSeek Harness 把模型、工具、会话、沙箱、文件系统、Agent 循环、调度和 UI 都交给插件。 系统没有一块承载业务能力的固定内核，Cordis 只维护上下文、服务注册、事件分发、依赖激活和副作用回收；Agent 能做什么，由启动时挂入的一棵插件树决定。 传统的插件有注册容易，撤销困难；初始化容易，失败回滚困难；全局单例容易，局部覆盖困难…
CODE, ARCHITECTURE & AI
AIAgent架构.
AI Agent 进阶架构：渐进式披露和动态上下文管理
当 Agent 做到一定复杂度，问题往往不在模型能力本身，而在 上下文怎么给、工具怎么给、流程怎么控 。同一套模型，有的团队能把它用成「能稳定交付的执行系统」，有的团队只能得到「偶尔灵光一现的聊天机器人」，差距就在架构。 早期提示词工程里，上下文基本是静态的：一次性把提示词写好，然后让 LLM 自己发挥。随着架构的演化，，上下文变成动态的，它会「收」和「放」…
聊下 AI Agent 的上下文记忆和遗忘
最近 DeepSeek 的 OCR 论文里有个有趣的想法：用光学压缩来模拟人类的记忆遗忘机制。 这个思路很巧妙。他们注意到人类记忆和视觉感知都有个共同特点：距离越远，信息越模糊。一小时前的事记得清楚，一年前的事几乎忘光；10 厘米的东西看得清楚，20 米外的东西就模糊了。 DeepSeek 把这个生物学现象转化成了工程实现：近期对话用高分辨率保存，一周前的对…
关于 AI Agent 的思考：大模型边界和工作流
最近在体验一些 AI Agent 的产品，有一个比较感受：大多数的 AI Agent 最终都是一个或多个工作流，原本我们想象的那种完全自主、能够独立思考和决策的 AI Agent 很少。 从而也就无法看到一句话就完成所有的事情，需要有专业的人在旁边盯着。 甚至出现了一个新的名词：大模型善后工程师 并且那种自动多的 AI Agent ，面对的大多数是对于幻觉，…
从 LangChain 和 Manus 两巨头上下文工程实战中学到的 5 点经验
最近仔细看了 LangChain 的 Lance 和 Manus 的 Pete 的视频，主题是构建 AI 智能体中的上下文工程。这次分享没有那些空泛的理论，全是在生产环境中验证过的实战经验。 我结合自己的思考，整理了我认为 5 个最有价值的技术要点，每一个都直接影响着智能体的性能和可用性。 1. 上下文爆炸是智能体最大的瓶颈 Manus 统计显示，一个典型的…
AI Agent 架构常用的 4 种设计模式
AI Agent 持续火爆，不仅仅是产品上，在融资市场也同样火爆，各种产品都在往上靠。但对于 AI Agent 该如何架构，有人关注，但少有人刻意去了解和分析。一些常见的问题有：如单个 Agent 搞不定复杂任务，多个 Agent 又容易失控，成本高，在不同的场景应该使用什么样的架构等等。 这篇文章我会尝试分享一下 AI Agent 的 4 个常用设计模式。…