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。
TOPIC ARCHIVE / 12 NOTES
按主题
慢慢读。
从概念、论文到工程实践，把相关思考放回同一条脉络。
TOPIC
AI
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...
Prompt engineering | OpenAI API（对照翻译）
OpenAI 提示词工程指南对照翻译，涵盖模型选择、消息角色、提示词复用、上下文窗口与 GPT-5/推理模型写法。
看了 Karpathy 的 LLM 入门课，我彻底重新理解了大模型
拆解 Karpathy《Intro to LLM》核心脉络：模型本质、预训练与微调、LLM 作为操作系统内核的隐喻，以及安全与实践启发。
五种 Prompt 模式实战：从 Zero-shot 到 Role-play
把 Prompt 当成约束系统来写：先跑 zero-shot 基线，再按 few-shot、CoT、self-consistency、role-play 分层升级，并用最小评估闭环稳步迭代。
大语言模型发展导论
从统计语言模型到 Transformer，从规模法则到对齐安全，系统梳理大语言模型的演进脉络与前沿挑战。
Attention机制：从"挑重点"到"算重点"
不压缩，按需聚焦——用服务端开发者能懂的方式，拆解 Attention 机制的直觉与数学。
TOPIC
Career
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。
TOPIC
Engineering
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。