Latest

在 AI 时代，信息数量的增量远大于信息质量的增量。永远聚焦一线从业，坚持实操上手，最小 MVP，避免无效输入。

2026 年 9 月 GitHub 月榜 Top 10 逐项拆解——从 archify（把 AI 生成的架构图变成可验证制品）到 OpenViking（Agent 上下文数据库），并归纳出 Agent 输出制品化、上下文工程、Rust 工具化、AI 与教育/桌面交叉四条趋势。

从初代「主 Agent 编排 + 子 Agent 分工」三层架构，到用 Skill 替代冗余 Sub Agent 压平架构降低 Token，再到长任务中撞上步骤合并跳过、规则失效、输出同质化，最终靠 Restatement 机制与 Sub Agent 回归分头解决——一条完整的踩坑迭代链。

错误分类（确定性 vs 瞬时）→ 确定性错误回传模型自我修复、瞬时错误指数退避+随机抖动重试 → 多次失败熔断 → 按能力等级优雅降级（备用工具 / 业务降级 / 转人工）。模型侧另需识别「API 返回成功但业务结果错误」的潜在失败，并在切换备用模型后持续评估。

Agent 有明确适用边界——擅长非结构化输入、路径不固定、需动态推理的任务。把确定流程强行套上自主智能是技术错配；中小企业缺数据/SOP/权限/复合人才配套地基；管理层"替换人"的预期错位（实际只能替换重复与信息整理类子集工作）。