不可控：输出不稳定，容易幻觉无状态：多轮对话后上下文腐化，忘记关键约束难交付：能对话不代表能完成端到端任务提示词工程（Prompt Engineering）解决了「一次性说清」的问题，上下文工程（Context Engineering）解决了「给够信息」的问题，但没有一个系统性方案解决「持续、稳定、可交付」的问题。Harness Engineering 就是 answer to this gap。

Pretrain让模型"懂语言、懂世界"；SFT让模型"学会回答问题的格式"；让模型知道"什么是好回答"；让模型主动优化，对齐人类偏好；则提供了一条自动生成高质量训练数据的路径。理解这些训练范式，不仅能帮助我们更好地使用 LLM，也能在构建自己的 Agent 应用时，做出更合理的选型与优化决策。参考OpenAI InstructGPT / ChatGPT 相关论文与技术博客Llama 2 / Ll

Pretrain让模型"懂语言、懂世界"；SFT让模型"学会回答问题的格式"；让模型知道"什么是好回答"；让模型主动优化，对齐人类偏好；则提供了一条自动生成高质量训练数据的路径。理解这些训练范式，不仅能帮助我们更好地使用 LLM，也能在构建自己的 Agent 应用时，做出更合理的选型与优化决策。参考OpenAI InstructGPT / ChatGPT 相关论文与技术博客Llama 2 / Ll

ClaudeCode是一个基于终端环境的ReAct Agent编程辅助工具，其核心架构将决策与执行分离，通过多重安全机制实现可控的AI编程协作。主要特点包括：1）工具层设计原子化（Read/Edit/Write等受限操作）；2）三层审批系统（自动/需确认/拒绝）；3）自动Git检查点确保可回滚；4）智能上下文管理（@引用+懒加载）。工作流程采用探索-规划-执行的迭代模式，通过CLAUDE.md文件

本文介绍了MCP（Model Context Protocol）和A2A（Agent-to-Agent Protocol）两大AI协议。MCP解决了大模型调用外部工具的标准化问题，通过JSON-RPC 2.0定义了统一接口，使不同Agent可以即插即用各类工具服务。文章详细阐述了MCP的三层架构、实现原理、开发流程及三种对外暴露方式（stdio/SSE/HTTP）。A2A则专注于多Agent间的协

确定事件类型 → 编写脚本（处理 stdin/stdout） → 赋予执行权限↓配置 settings.json → 测试验证步骤关键动作1. 定事件想拦截选PreToolUse，想善后选，想通知选2. 写脚本从stdin读 JSON（用catjq），根据逻辑返回 stdout3. 给权限chmod +x让脚本可执行4. 配 JSON在的对应事件数组里注册5. 测结果用/hooks检查加载，用实际

以前一直对卷积的通道运算有一个误解，今天搞懂了，记录一下。其实很简单，产生一个输出通道需要与输入通道数相当的卷积模板数（这个为一组产生一个输出通道），如下图所示对应的卷积模板处理对应的输入通道，以上面的例子来说，第一个卷积模板处理第一个输入通道产生一个h*w（输入特征的大小）的feature，如此会产生三个相同大小的feature，再把不同通道相同位置的元素相加产生一个输出通道。...

本文介绍了MCP（Model Context Protocol）和A2A（Agent-to-Agent Protocol）两大AI协议。MCP解决了大模型调用外部工具的标准化问题，通过JSON-RPC 2.0定义了统一接口，使不同Agent可以即插即用各类工具服务。文章详细阐述了MCP的三层架构、实现原理、开发流程及三种对外暴露方式（stdio/SSE/HTTP）。A2A则专注于多Agent间的协

ClaudeCode是一个基于终端环境的ReAct Agent编程辅助工具，其核心架构将决策与执行分离，通过多重安全机制实现可控的AI编程协作。主要特点包括：1）工具层设计原子化（Read/Edit/Write等受限操作）；2）三层审批系统（自动/需确认/拒绝）；3）自动Git检查点确保可回滚；4）智能上下文管理（@引用+懒加载）。工作流程采用探索-规划-执行的迭代模式，通过CLAUDE.md文件

不可控：输出不稳定，容易幻觉无状态：多轮对话后上下文腐化，忘记关键约束难交付：能对话不代表能完成端到端任务提示词工程（Prompt Engineering）解决了「一次性说清」的问题，上下文工程（Context Engineering）解决了「给够信息」的问题，但没有一个系统性方案解决「持续、稳定、可交付」的问题。Harness Engineering 就是 answer to this gap。