工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的原创文章，来自与我们操作层软件同一套工程实践。正文为英文。
标签：LLM
Claude Code的生产级架构：从Slack到合并代码请求的六层结构
六层架构如何将Slack工单转化为合并后的代码：事件接收、受限代理循环、持久状态、自我修复功能、可观测性以及操作员控制。
阅读约 42 分钟藏在你RAG流程背后的五十年检索研究历史
RAG分块、混合搜索、HyDE、重排序以及评估方法在信息检索领域都有着数十年的历史渊源。本文将梳理相关研究进展及其存在的不足。
阅读约 17 分钟降低智能体令牌成本：缓存技术、路由策略与上下文优化。
通过提示词缓存与语义缓存、延迟加载工具、模型路由与级联机制、子代理以及常规的上下文管理，降低大型语言模型代理的运行成本。
阅读约 16 分钟AI智能体基础：目标设定、提示词设计与模型选择
如何为生产型AI智能体奠定基础：明确目标与成功指标，编写带有目标和约束条件的提示词，然后选择合适的模型。
阅读约 21 分钟实践中的上下文工程：一个基于Claude Agent SDK的研究智能体
使用Claude Agent SDK，借助写入、选择、压缩和隔离模式构建一个Python研究智能体，然后在实际测试中将其与简单的基准模型进行对比。
阅读约 20 分钟模型差异检测工具的发现：风格变化掩盖了细微的微调效果。
一个模型差异检测工具对一个金融领域的LoRA微调进行了审核：82%的检测案例发现了长度与结构的变动，而预期的推理变化却未被发现。
阅读约 15 分钟Agent Harness、Loop与Graph：可靠AI智能体背后的三层架构
为何不可靠的代理通常会缺失一层结构：模型周围的约束框架、基于证据的循环机制以及明确的图结构，同时还包括代码模板和调试检查清单。
阅读约 15 分钟生产环境中的RAG系统失败的三种原因：上下文碎片化、漂移与滥用。
生产型RAG失败的三种方式：分块导致的上下文碎片化、知识库扩展带来的漂移问题，以及尽管检索效果良好但仍被误用，以及相应的层级级解决方案。
阅读约 11 分钟利用LangChain Deep Agents重新构建类似Claude的代码风格代理。
代码代理的架构如何运作，从核心循环到工具、规划、内存、子代理以及沙箱化审批机制，均通过DeepAgents逐步重建。
阅读约 16 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
技术文先发英文，以保证代码与 API 名称准确。站点外壳提供全部九种语言。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。