最近做Agent工程化的工作比较多，在做Agent的时候也让我想到搜推工程，这篇文章我们就来探讨Agent工程和传统搜推工程之间的区别和联系，以及如何评估一个Agent工程化的质量和可用性。C端在线高并发的场景。

Profile 把配置组合成插件树；Cordis 用 Service、Event、Effect 管理运行时协作；Capability Seam 隔离契约、实现与调用者；Agent Loop 只维护 Turn / Step 状态机；Session Log 为模型、持久化与 UI 提供同一事实来源。浓缩成一句话：DeepSeek Harness 的架构中心不是 Agent Loop，是可组合、可替换、

Claude Code和大多数的Agent架构类似，不过里面有非常多的细节可以耐人寻味的，包括 多重压缩的上下文治理，消息的顺序与补充，以及文章这里没提到的多重权限管理等等…从我自己做Agent的角度来看，Prompt 和 记忆选取也是很重要的，调Prompt过程非常痛苦。下篇文章，我们就来讲讲Claude Code里面的Prompt和记忆管理模块。

当一个 Agent 单 Loop 干不完一件事的时候，怎么办？放在之前那就是 multi-agent、ReAct + planner、各种 static workflow， LangGraph 之类的解决方案。新答案是——让 Agent 自己写一个一次性的、为这个任务量身定做的 harness。我感觉这是一个很大的范式转变，所以这篇想把它讲清楚。这篇我们来讲讲，也就是 Claude 自己写 har

物以类聚经典的无监督学习算法——K-Means聚类算法目录1. K-Means 定义2. K-Means 步骤1. K-Means 定义K-means聚类算法首先是随机选取K个对象作为初始的聚类中心，然后计算每个样本与各个聚类中心之间的距离，把每个样本分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一次样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不

基于YOLO+ResNet50的手势识别（一）项目背景以及系统环境本文所使用的深度学习框架为pytorch-gpu-1.7.1版本，python3.7版本，需要在特定的系统环境中运行。本文搭建实验所需要的系统环境如下所示。1.1 项目背景​近年来，计算机视觉技术蓬勃发展，为生产和生活带来了巨大的变革。像是刷脸支付、无人驾驶等已经上市或即将走向成熟的技术，极大便利了我们的日常生活。但是我们观察到，目

当一个 Agent 单 Loop 干不完一件事的时候，怎么办？放在之前那就是 multi-agent、ReAct + planner、各种 static workflow， LangGraph 之类的解决方案。新答案是——让 Agent 自己写一个一次性的、为这个任务量身定做的 harness。我感觉这是一个很大的范式转变，所以这篇想把它讲清楚。这篇我们来讲讲，也就是 Claude 自己写 har

比如这里面的。

最近接触 agent 开发比较多，这篇文章来讲一下Agent开发中，常用的三种设计范式。。这几种模式主要是工作流程的不同。

如何维护Session对话呢？为了让大模型的输入prompt更精准，我们可以使用Vector DB存储，也就是。