围绕 LangChain 的 write / select / compress / isolate 四策略。先讲 Drew Breunig 的四种失败模式，再展开 scratchpad 与 memory、RAG 选工具、压缩裁剪、子代理隔离。配 Anthropic 五层压缩管线、双记忆架构、prompt cache 5 分钟 TTL、observation masking。可量化：ACON 26

把 harness engineering 当工程学科：5 大配置面（CLAUDE.md / 命令 / hooks / MCP / skills）+ 12 条实战（Ratchet、start-minimal、删多余 server、人手写、明示禁忌、A/B test、CLI 比 MCP 轻、随模型 prune 等）+ 4 案例（Manus 5 次重写、Vercel 删 80% 工具、LangChai

把 harness engineering 当工程学科：5 大配置面（CLAUDE.md / 命令 / hooks / MCP / skills）+ 12 条实战（Ratchet、start-minimal、删多余 server、人手写、明示禁忌、A/B test、CLI 比 MCP 轻、随模型 prune 等）+ 4 案例（Manus 5 次重写、Vercel 删 80% 工具、LangChai

Claude Code 19 工具按 6 类分；工具注册表把权限收敛是企业 AI 平台最高杠杆。深入三层权限管线（auto / classifier-prompt / approval，分类器不看模型自言自语以防注入）、6 种 permission_mode，叠加 OpenDev 5 层纵深防御。结论：reasoning 与 enforcement 分两条 code path，jailbreak

`Agent = Model + Harness`：模型只占一半，工具/权限/上下文/子代理/持久化等构件构成 harness。本篇梳理 ReAct → Karpathy"LLM 即 OS" → Anthropic 把 harness 推上头条的演化，给出 prompt → context → harness 三层心智模型，并解释为何 2026 是 harness 之年——同模型换 harness

图神经网络的数学基础

文章目录一.Python代码二.模型与数据的均衡三.评估结果分析一.Python代码#!/usr/bin/env python3# encoding: utf-8'''@file: fwdStepwiseWine.py@time: 2020/5/31 0031 11:53@author: Jack@contact: jack18588951684@163.com'''import urllib.r

本文系统介绍了LangChain和LangGraph两大框架在AI Agent开发中的应用。LangChain通过模块化设计（Models、Messages、Tools等核心组件）和LCEL表达式语言实现灵活组合，解决多模型集成、工具调用等痛点。LangGraph作为编排引擎，通过状态机机制增强复杂工作流处理能力，支持动态路由、人工干预等高级特性。文章详细解析了从组件到状态机的完整开发框架，包含智

Agent训练

文章目录0.数据集介绍1.玻璃数据集读取与分析2.变量关系可视化（平行坐标图）3.属性对相关性可视化0.数据集介绍多类别分类问题与二元分类问题类似，不同之处在于它有多个离散的输出，而不是只有两个。回顾探测未爆炸的水雷的问题，它的输出只有两种可能性：声纳探测的物体是岩石或者水雷。而红酒口感评分问题根据其化学成分会产生几个可能的输出（其口感评分值是从 3 分到 8 分）。但是对于红酒口感评分问题，口感