你学会了：- 如何通过OpenAI SDK调用大模型API- 如何构建检索提示词（prompt engineering）- 如何将向量检索与文本生成无缝集成- 如何处理知识库内和知识库外的不同场景下一步，你可以考虑：- 替换为国内大模型API（如通义千问、文心一言），降低延迟和成本- 集成更强大的向量数据库（如Pinecone、Weaviate）- 添加用户反馈机制，持续优化回答质量RAG的世界才

Gliding Horse 时间感知系统：让 AI Agent 真正“感知”时间流逝 引言：时间，AI Agent 的“盲区”在当今的 AI 系统，尤其是基于 LLM（大语言模型）的 Agent 中，时间往往被当作一个静态参数——用户输入时间戳，模型输出结果。但这种处理方式存在一个根本性缺陷：Agent 无法真正“感知”时间的流逝。它不知道过去的事件如何影响现在，也不知道未来应该如何在时间线上规划

你是不是也有过这样的崩溃时刻？每次让 Claude 写代码，都要重复粘贴 请使用我们的代码规范：驼峰命名、2空格缩进、必须写单元测试 ——像极了每天入职新公司；好不容易调教好的 Prompt 换个项目就完全失效，之前的调教经验归零；团队里每个人给 AI 的指令不一样，导致输出的内容一会儿像资深架构师，一会儿像刚毕业的新手。这些问题的根源，其实是 AI 的 专业能力无法沉淀。

包越重，走得就越慢，要命的是最后还会忘记真正要找的是什么。上下文预算讲的就是：在一次模型调用中，有限的上下文窗口应该分给谁，要分多少给这个信息，什么时候要收拾工作台：对信息进行压缩和丢弃。一个没有上下文预算意识的 Agent，会把完整测试日志、全部 package.json、相关源码文件、之前所有工具调用记录、每一次中间思考都塞进上下文，再让模型判断下一步要干嘛。而模型能“看见”的信息，包括但不限