AI 生态观测:GitHub 星榜上的 Agent 地图
收录于 AI 浏览量
这个系列从底层架构一路讲到思考之谜,回答的都是“为什么”和“怎么做”。这一篇换个视角,抬头看窗外:2026 年的 Agent 生态,实际长成了什么样子?
收录于 AI 浏览量
这个系列从底层架构一路讲到思考之谜,回答的都是“为什么”和“怎么做”。这一篇换个视角,抬头看窗外:2026 年的 Agent 生态,实际长成了什么样子?
收录于 AI 浏览量
前面几篇讲过 Agent 的工作原理和 AI 的底层架构,但有一个角色一直藏在幕后没有正式介绍:harness——包在模型外面的那层工程壳。你天天在用的 Claude Code、OpenCode 这类编码代理,本质都是“一个模型 + 一个 harness”。
收录于 AI 浏览量
上一篇《AI 的自我改进》回答的是模型怎么变得更强,这篇往回退一步,回答一个更基础的问题:它那种“思考”,到底是什么东西?《AI Agent 核心推理逻辑详解》已经讲过 Agent 怎么组织思考——思维链、先规划后执行、反思修正,那是工程层的用法;这篇沉到模型层,讲为什么这套用法有效,以及它真实的边界在哪里。
收录于 AI 浏览量
这个系列写到第八篇,主角都在回答同一个问题:模型怎么干活——底层架构决定它能不能跑,推理逻辑决定它怎么想,Agent 工作原理决定它怎么行动,Skills 和 MCP 决定它怎么长本事。但这几篇都停留在单个任务内部。这篇把时间维度加上去:AI 怎么在干完活之后变得更强?“自审查、自闭环、自演进”这三个词你大概都见过,但经常被混用——实际上是三个不同层次的闭环。
收录于 AI 浏览量
这个系列已经写了四篇:OpenCode 教程、Agent 推理逻辑、Agent 工作原理、AI 底层架构。有读者说该有个起点——对,这篇补上:大语言模型本身。不讲工程栈,讲一个使用者最该懂的概念:它是什么、能力从哪来、边界在哪、怎么把它用好。看完这篇再读系列其他篇,会顺很多。