最近在楼下停车场散步,反思了一下最近遇到的bug,觉得蛮有意思的,写篇blog分享一下。 prompt engineering的useful和useless 上文我们已经从架构的方面去讨论过多种的agent架构,主要还是分为隐式plan、半显式plan和显式plan的三种不同的agent风格, 那么
如果要去design一个agent架构,避免不了的就是涉及到对session的管理和agent的架构,一个是表面的,一个是深层的 session管理 常见可以分成以下几类: 一类是 thread/checkpoint 型(LangGraph、Dify、Flowise) 一类是 runtime sna
context其实跟infra息息相关,好的infra能支持非常多的idea并发的去实现,而pipeline的高度耦合使得infra变得屎山中的屎山,所以模块化的context infra势在必行。我们想构建一个context playload,一个有序、分层、可度量的 typed blocks 集
agent最基本的就是ReAct范式,其中最关键的就是agent plan,我们主要探讨的是单agent的plan和多agent不同范式如何plan的更好。 单agent 单agent plan指的是同一个agent在一个 loop 里:规划 → 执行(工具调用)→ 观察 → 反思/重规划 → …
0. 数模 最基础的抽象是:环境有状态s_{t},你能看到的是观测o_{t},你做动作a_{t},环境给反馈(比如奖励/成功信号)并转移到新状态。用 (PO)MDP 写就是: s_{t+1}\sim P(\cdot\mid s_t,a_t),\quad o_t\sim O(\cdot\mid s_t
项目介绍 什么是 OpenCode OpenCode 是一个 100% 开源的code agent,专注于为开发者提供强大、灵活且可扩展的 AI 编程体验。与 Cursor、Copilot 等商业工具不同,OpenCode 不绑定任何特定的 LLM 提供商,支持 Claude、OpenAI、Goog
vibe coding
github源码解析
基本操作
agent
code cli
context engineering
ACM
算法
算法竞赛
vllm
AMD算子挑战赛
github
inference
LLM
CUDA入门到入土
cuda/Triton
MLsys24
paper
blog
默认分类