本文探讨了如何将AI Agent从概念转化为可用的生产环境产品，指出仅依赖强大模型是不够的，还需构建完整的工程体系。文章分为两部分：基础概念部分解释了大语言模型（LLM）、工具调用、系统提示词、模型上下文协议（MCP）、技能（Skill）和插件（Plugin）等核心概念；产品实践部分重点介绍了WorkBuddy在上下文工程（Context Engineering）和驾驭工程（Harness Eng

摘要： 本文探讨了Model Context Protocol（MCP）的演进，从最初解决AI Agent集成困境的本地会话模型，到2026-07-28规范转向无状态架构的关键转变。早期MCP通过统一协议简化AI与外部系统的连接，类比为“AI的USB-C”，但其依赖会话状态的设计在云原生场景中面临负载均衡、故障恢复等挑战。新版规范移除会话机制，采用自包含请求，优化了大规模部署的扩展性和可靠性，标志

摘要： 本文探讨了Model Context Protocol（MCP）的演进，从最初解决AI Agent集成困境的本地会话模型，到2026-07-28规范转向无状态架构的关键转变。早期MCP通过统一协议简化AI与外部系统的连接，类比为“AI的USB-C”，但其依赖会话状态的设计在云原生场景中面临负载均衡、故障恢复等挑战。新版规范移除会话机制，采用自包含请求，优化了大规模部署的扩展性和可靠性，标志

摘要： 本文探讨了Model Context Protocol（MCP）的演进，从最初解决AI Agent集成困境的本地会话模型，到2026-07-28规范转向无状态架构的关键转变。早期MCP通过统一协议简化AI与外部系统的连接，类比为“AI的USB-C”，但其依赖会话状态的设计在云原生场景中面临负载均衡、故障恢复等挑战。新版规范移除会话机制，采用自包含请求，优化了大规模部署的扩展性和可靠性，标志

摘要： 本文探讨了Model Context Protocol（MCP）的演进，从最初解决AI Agent集成困境的本地会话模型，到2026-07-28规范转向无状态架构的关键转变。早期MCP通过统一协议简化AI与外部系统的连接，类比为“AI的USB-C”，但其依赖会话状态的设计在云原生场景中面临负载均衡、故障恢复等挑战。新版规范移除会话机制，采用自包含请求，优化了大规模部署的扩展性和可靠性，标志

大模型可靠返回JSON的解决方案 本文系统介绍了四种让大模型返回可靠JSON的方案，从简单提示词到结构化输出，并提供了生产级处理流程： 提示词要求JSON - 兼容性最好但可靠性最低，需严格提示词模板 JSON Mode - 协议级保证返回合法JSON但不保证字段结构 JSON Schema - 通过Schema严格约束输出结构 Function Call - 适合需要触发程序动作的场景 核心建议

Redis采用RESP(Redis序列化协议)作为通信协议，基于文本格式，支持简单字符串、错误信息、整数、批量字符串和数组等数据类型。通过Telnet可直接连接Redis服务器(如telnet 192.168.16.16 6379)，以纯文本形式发送命令。协议格式要求每行以CRLF(\r\n)结尾，命令通常以数组形式发送，如*3\r\n$3\r\nSET\r\n$3\r\nkey\r\n$5\r\

本文详细解析了大模型交互中的上下文窗口、Function Call（工具调用）与MCP全流程。主要内容包括： 上下文窗口机制：解释输入/输出token的计算方式，以及总上下文窗口与单次输出限制的关系。不同内容类型（中英文、代码等）占用token数差异显著。 消息角色系统：说明system/developer/user/assistant/tool等消息角色的作用与典型交互顺序，展示多工具调用的消息

文章摘要： 本文探讨了AI记忆系统的设计与实现，以"河蟹"系统为例介绍了一种三层记忆架构（常驻层/检索层/原始层）。该系统通过纯文本文件存储记忆，采用行内注释记录元数据，支持git版本管理。记忆更新采用时序取代而非覆盖，保留完整历史记录。记忆检索采用三维打分机制（新近度×重要度×相关度），并设计了"做梦"机制自动整理记忆：轻相（机械整理）零LLM参与，深相（

本文深入探讨了C++的多态实现机制，重点分析了虚函数、虚析构函数的作用及原理。虚函数通过虚函数表(vtable)实现运行时多态，虚析构函数确保正确释放派生类资源。文章还介绍了纯虚函数(=0)创建抽象类、=default语法等特殊用法，并通过完整代码示例展示了多态调用过程。掌握这些机制对于编写安全高效的C++面向对象程序至关重要，包括虚函数动态绑定、正确资源释放等核心概念。