探索 人工智能
141 篇文章AI 编程实践、提示词工程、LLM 集成与前端智能化开发技巧
AI agent 上下文预算分配：系统提示、证据、历史和工具结果该给谁多少 token
上下文变长时，问题不是能不能塞下，而是谁该优先留下。本文讲清 context budget、evidence priority、history slicing 和 token envelope，帮助 AI agent 在长任务里保持判断质量。
AI agent Context Compaction、Reset 与 Memory Write：什么时候压缩，什么时候清空重来
不是所有上下文问题都该靠摘要解决。本文讲清 compaction、reset 和 memory write 三种动作各自解决什么问题、什么时候触发，以及怎样避免把关键约束压没。
AI agent 凭证委托与 Token Vault Proxy：Git、MCP 和第三方 API 如何安全交给系统调用
让 AI agent 直接接触真实 token，通常只是把问题往前推。本文讲清 scoped credential、vault proxy、Git 凭证注入和 MCP 代理模式，帮助你把权限交给系统而不是交给模型。
AI agent Harness 崩溃恢复与 Wake 流程：进程挂掉后怎样继续，而不是重复执行
AI agent 的 harness 挂掉不应该等于任务重来。本文讲清 wake flow、side effect recovery、last durable event 和 resume protocol，帮助你在进程故障后继续任务而不重复提交动作。
AI agent 多执行环境路由：本地 workspace、远程 VPC、浏览器和设备 Runner 该怎么选
真实 AI agent 不会只活在一个 shell 里。本文讲清 local workspace、remote VPC、browser runner 和 device runner 的适用边界、路由因子和失败补偿，让执行环境选择变成系统决策。
AI agent Orchestrator 与 Sandbox 解耦：为什么“大脑”和“手”不能绑在同一个容器里
把 AI agent 的 harness、session 和 sandbox 全塞进一个容器，短期好写，长期难救。本文讲清 orchestrator 与 sandbox 解耦的价值、接口边界、恢复方式和常见事故。
AI agent Session Store 设计：把上下文、事件和恢复能力放进 append-only session log
AI agent 一旦进入长任务和多进程执行，session 就不能只是聊天记录。本文讲清 append-only session log、event slice、恢复查询、事实记录和失败补偿，帮助你把会话做成真正可恢复的系统基座。
AI agent 多租户隔离与 Workspace 供给：tenant、缓存、网络和清理策略怎么控
AI agent 一旦变成平台能力，多租户隔离就是系统问题，不再只是容器问题。本文讲清 workspace provisioning、tenant isolation、共享缓存边界和清理策略，帮助你避免脏数据、越权访问和 noisy neighbor。
AI agent 工具能力协商与环境契约：Agent 如何知道当前能用什么工具、什么版本、什么限制
AI agent 出错时，很多时候不是不会推理，而是对当前环境做了错误假设。本文讲清 tool capability negotiation、tool manifest、environment contract 和兼容退让，帮助 agent 在多环境中少靠猜。