从会话级上下文管理到跨会话知识沉淀，系统拆解 AI Agent 记忆系统的核心架构、工程策略与前沿趋势。
介绍 LSP 协议的起源与核心能力，以及 AI 编程 Agent 如何借助 LSP 获取代码语义信息，实现精准的代码理解与自动化重构。
梳理 AI Agent 从规则系统到大模型驱动的演进历程，回顾关键里程碑与技术范式的变迁。
系统梳理 AI Agent 的核心架构与开发设计模式，包括 ReAct、Plan-and-Execute、Reflection 等常见范式及其适用场景。
速记版：Skill 是"给 AI 执行的工程规范"，强调可维护、可复用、可测试，本文总结工程化实践要点。
构建生产级 FastAPI 全链路可观测性日志系统，结合 structlog 结构化日志与 Prometheus / Loki / Grafana 监控告警体系。
来自 Manus 团队的一手经验：关于端到端训练与基于前沿模型构建智能体之间的关键决策，以及上下文工程在 Agent 系统中的核心作用。
大多数技术设计文档告诉你"应该怎么做"，这篇文章想说的是"为什么会变成这样"。循序渐进的 agent loop 演进解析。
速记清单：构建 Agent 过程中的几个高频踩坑点，包括推理模型的使用策略与多轮对话的提示词结构。
在 Agentic RAG 架构中，查询改写是连接用户意图与检索系统的核心桥梁。本文系统讲解其作用、方法与工程实践。
从非结构化文本到结构化知识图谱，系统梳理 GraphRAG 索引构建与检索匹配的七大关键步骤与底层逻辑。
速记笔记：Hermes 采用工作记忆 / 持久记忆 / 情景记忆 / 技能记忆四层架构，将上下文窗口视为"工作台"而非"仓库"。
速记笔记：解决"记忆无上限、Token 有上限"的矛盾，使用字符限制 + 压缩策略 + 快照机制实现有界记忆管理。
VSCode 速记：高频使用技巧合集，包括 Python 依赖检查重启、命令面板快捷键等。
针对大模型幻觉这一致命短板，从工程实践出发，剖析 Agent 与 RAG 系统中幻觉检测的体系化方案与可落地的评估指标。
从单节点优化到分布式推理，系统梳理本地大模型部署的各类架构方案与核心技术问题解决方案。
当 top-k=10 召回率仍不足 85% 时，从查询侧入手，通过查询扩展（Query Expansion）系统化提升 RAG 检索质量。