Resty是一个功能强大且易于使用的Golang HTTP客户端库。本文介绍了Resty的基本概念以及如何通过简单的步骤来发送GET和POST请求。通过使用Resty，我们可以更加高效地进行HTTP请求处理，从而提升开发效率。在实际项目中，Resty还支持更多高级功能，开发者可以根据需要进行深入探索和使用。

Workflow：由代码预先规定路径，大模型和工具只是其中的节点。例如“先抽取字段，再校验，再生成报告”。Agent：模型动态决定下一步做什么、调用哪些工具、何时停止。例如“修复一个未知代码仓库里的 bug”，它需要不断观察测试结果、搜索文件、修改代码并重试。Anthropic 在《Building effective agents》中给出的经验很值得作为架构原则：从最简单方案开始，只有当任务确实

等级产物是否自动生效L1本次任务摘要可以，用于恢复当前任务L2情景记忆和失败反思可以，但只作为检索上下文L3技能候选和 Prompt 修改候选不应直接生效，必须评估L4发布后的技能、SOP、Prompt经过评估、审核和版本化后生效上下文即将压缩。任务完成。工具连续失败。用户明确纠正 Agent。相似任务累计达到阈值。定时批处理。

AgentOps 之所以成为热点，并不是因为行业又创造了一个新名词，而是因为 Agent 的工作方式已经发生了变化。当 AI 只生成一段文本时，我们主要关心答案好不好；当 AI 开始运行数小时、调用真实工具、与其他 Agent 协作并修改业务数据时，我们必须像运营一个生产系统那样运营它。一个能进入生产环境的 Agent，至少应该具备：有身份、有权限、有预算、有状态、可暂停、可恢复、可追踪、可评测、

Prompt Injection 不是一个普通的敏感词过滤问题。外部内容越来越像社会工程攻击，它可能在几十步任务中逐渐改变 Agent 的判断。因此，不要把系统安全建立在“模型一定能识别坏指令”这个假设上。更可靠的设计原则是：把所有外部内容视为不可信数据，把每个真实动作视为需要独立授权的能力。模型负责理解和建议，系统负责权限、审批、数据边界和最终执行。

AI Agent 越来越像一种长期运行、会等待、会分支、会调用外部系统的动态程序。传统的“请求进来、执行完成、返回结果”模型很难承载它。这也是 Durable Execution 重新受到关注的原因。它不是让机器永不故障，而是让故障不再意味着任务丢失或从头开始：进程可以消失，Worker 可以更换，连接可以断开，但任务的执行历史必须留下，已经完成的步骤不能凭空丢失，真实副作用不能因为重放而重复发生

摘要：gRPC是一种RPC框架/应用层协议，基于HTTP/2和Protobuf，具有强类型、高性能、流式支持等特点。与REST相比，gRPC更适合微服务内部高频调用；与WebSocket相比，gRPC提供标准化的RPC语义；与消息队列相比，gRPC是同步请求-响应机制。建议对外API用REST，内部服务用gRPC，实时推送用WebSocket，异步场景用消息队列。

MySQL索引优化应基于查询分析而非盲目添加索引。通过EXPLAIN和EXPLAIN ANALYZE工具，需重点关注查询路径(type)、索引选择(key)、扫描行数(rows)及Extra信息中的排序/临时表等关键指标。索引设计应围绕高频查询模式而非孤立字段，同时需要定期清理冗余索引。优化流程应遵循：先识别关键查询→分析执行计划→合理调整SQL或索引→验证实际效果。记住，索引是以写入和存储成本换

Prompt engineering 决定模型“听不听得懂你在说什么”；context engineering 决定模型“有没有拿到完成任务所需的信息”；harness engineering 决定模型“即使会犯错，系统还能不能持续、稳定、可控地运行”。如果你只记住一句话，我建议记住这句：Prompt 是输入技巧，Context 是信息架构，Harness 是系统工程。

Scrapling 是一个 Python Web Scraping 框架，可以用来抓取静态网页、动态网页，也可以编写多页面爬虫。它的 API 风格有点像的结合体。