AI production capacity has surged exponentially while human evaluation/judgment capacity remains structurally flat, creating a widening asymmetry that... AI生产能力已超越人类评估能力，形成结构性"算术问题"，导致水印争议、开发者中产消失、对抗性审查复兴等现象 生产能力可购买且快速提升，而评估能力需通过失败经验缓慢积累，两者发展曲线持续分化 高效AI团队通过详细规格说明、对抗性审查和人类最终决策重建评估摩擦，而非依赖工具自动化 与编译器等技术抽象不同...

MCP servers are evolving from thin tool wrappers into full capability platforms, driven by the need to manage dozens of tools across multiple teams, u... MCP服务器正从简单的工具包装器演变为功能平台，需要应对工具目录工程化、组合治理和规模化运维 工具转换层将后端API与Agent-facing接口解耦，隐藏基础设施细节，提供稳定的模型契约 工具搜索替代全量目录注入，通过检索相关能力缩小模型决策空间，提升效率和准确性 命名空间解决多服务器组合时的工具...

The article categorizes nine distinct architectural patterns for building AI agents, ranging from simple to complex Patterns include basic reflex agen... 本文对构建 AI 智能体的九种不同架构模式进行了分类，从简单到复杂 模式包括基础反射智能体、思维链管道、工具使用智能体、多智能体系统和分层架构 每种模式在复杂度、成本、可靠性和适用场景方面各有不同的权衡 可视化解释帮助从业者将智能体架构与具体需求相匹配 没有一种模式是普遍优越的；选择取决于任务复杂度...

Claude Code offers a routing system that allows users to balance between different model tiers for optimal performance Effort levels can be configured... Claude Code路由策略涉及平衡模型层级、努力级别和ultracode配置 通过合理参数组合可最大化AI编码能力与效率 不同任务场景需要差异化配置以实现成本与质量的平衡

Agent-kernel introduces HMAC capability tokens to solve tool authorization problems in AI agents with large tool catalogs Each tool call is cryptograp... Agent-kernel 引入 HMAC 能力令牌，以解决拥有大型工具目录的 AI 智能体的工具授权问题 每次工具调用均经过密码学签名，无需智能体预先知晓其权限即可实现细粒度访问控制 该方法解决了智能体扩展到管理数百甚至数千工具时的关键可扩展性瓶颈 HMAC 令牌在单一机制中同时提供认证和授权，相比...

Agentic Finetuning is a novel framework that applies the conventional ML training loop not to model weights, but to an organization's knowledge base (... Agentic Finetuning是一种将传统ML训练循环应用于企业知识提取的方法，核心是将"知识wiki"作为可训练对象而非模型权重 关键创新在于从原始数据构建基准测试（而非从wiki），通过75/25训练/秘密问题分割防止过拟合，确保知识真实性 该方法适用于拥有大量历史文档的企业（工程报告、法...

Memory, not compute, is the primary bottleneck for both local and cloud LLM inference, with roughly 2GB of VRAM required per billion parameters at FP1... 内存（而非计算能力）是当前大模型推理的核心瓶颈，本地VRAM限制直接预示云端推理成本走向 2026年HBM3E内存供应紧张导致GPU价格普遍上涨，24GB消费级显卡已成稀缺资源 上下文窗口长度和并发请求数会指数级放大KV缓存内存占用，是云端账单的主要驱动因素 量化（Q4/Q8）、限制上下文窗口、按任...

Webwright reframes web agent interaction from per-step browser actions to generating reusable Playwright/bash scripts, addressing the fragility of seq... Webwright是微软研究院与香港大学联合开发的浏览器代理框架，核心理念是"一个终端就足够"，让代理通过编写和运行bash/Playwright代码完成任务，而非逐个点击 传统网页代理（Vision/DOM/Fixed-API/Framework四类）均采用"看页面→决策→执行→等待→再决策"的串...

Agentic traffic violates all seven traditional scaling assumptions: unpredictable bursts, near-instantaneous onset, correlated fan-out, relentless pro... Agent流量具有无时间表、毫秒级突发、关联扇出、程序化无限重试、高延迟容忍、成本与请求数解耦、自我放大等七大特征，彻底颠覆传统人类流量模型 按需实例（Gen 1）依赖可预测时间表预预热，Serverless（Gen 2）依赖CPU滞后信号响应式扩缩，两者均无法应对Agent流量的瞬时爆发和 run...

Loop engineering is the third layer of the agent stack (alongside prompt and context engineering), governing when the next LLM call fires, what trigge... Loop Engineering是继Prompt Engineering和Context Engineering之后的第三层AI系统构建范式，核心是设计"何时触发下一次调用、何时停止、如何从失败中恢复" 单次调用管道（one-shot pipeline）在遇到解析失败、检索返回错误内容、JSON格式...

MCP (Model Context Protocol) enables Claude Code to connect to external tools like GitHub, documentation APIs, and browsers, giving the model real acc... MCP（Model Context Protocol）是Claude Code连接外部工具（GitHub、文档、浏览器、数据库等）的标准协议，解决AI只能生成文本无法操作实际系统的问题 使用`claude mcp add`或`claude mcp add-json`命令添加服务器，通过`--scop...

Kimi K3 is the largest open-weight model as of mid-2026 at 2.8 trillion parameters, with Moonshot AI taking a novel approach to the memory bottleneck ... Kimi K3 是截至 2026 年中最大的开源权重模型，参数量达 2.8 万亿，成为首个进入 3 万亿参数级别的开源模型 核心创新是 Kimi Delta Attention（KDA）机制，通过"选择性遗忘"替代标准 Transformer 的 KV cache 线性增长模式，将内存使用降低约 7...