主流大模型 API 协议：从 OpenAI、Claude、Gemini 到 DeepSeek、GLM、Kimi 与 Qwen
从消息、流式事件、工具调用和思考上下文出发，比较国内外主流大模型 API 协议，并沿着 Pi 源码追踪一次请求如何被统一、路由和还原。
EDITOR'S PICK
值得先读
RECENT DISPATCHES
最近写下的
当代码不再稀缺，程序员靠什么创造价值？
AI Coding 让实现成本快速下降，也把软件开发的瓶颈推向问题定义、方案取舍、结果验证和系统责任。代码会越来越便宜，正确会越来越贵。
别急着给 Agent 组建公司和团队
复制人类的组织结构，并不等于重构生产力。多 Agent 的分工应该来自问题本身；Agent 更现实的价值，是把人的时间还给创造。
关于企业中 AI 开发自动化的一些思考
企业要把 AI 开发从偶发辅助变成可复制的自动化体系，关键不只在 Harness Engineering，更在结构清晰、规则显式、权限可控、结果可验证的工程基础设施。
精读 Lost in the Middle（Liu et al. 2023）：长上下文的“位置偏差”与工程应对
Lost in the Middle 证明：把关键信息放在长上下文中间，LLM 最容易用不上，整体呈 U 型位置效应（首尾强、中间弱）。本文抓住论文的核心实验变量与结论，并把它翻译成可落地的系统策略：证据重排、两段式检...
读 ReAct：把“推理”接到“行动”上的最小工程闭环
ReAct 把 Thought / Action / Observation 交错写进轨迹，让模型一边推理一边调用工具，并用 Observation 把推理锚定到外部事实。本文按论文 Section 2 梳理核心机制，...
精读 LLM Powered Autonomous Agents：Planning / Memory / Tool Use 的工程化视角（全篇学习笔记）
Lilian Weng 的《LLM Powered Autonomous Agents》把 agent 拆成 Planning / Memory / Tool Use 三个部件，并用一个 loop 把它们粘成系统。本文...
重读 CoT 论文：它真正提出的不是一句“让模型一步步想”
重读《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》后，我更关心的不是 CoT 这个流行词，而是论文真正提出了什么、它为什么...