可进化 Agent 系统：从 Hermes Agent 看经验闭环如何落到架构里
设计可进化的 Agent 系统，关键不是把所有历史塞进上下文，也不是一上来就微调模型，而是给经验安排去处：哪些成为用户画像，哪些进入任务记录，哪些沉淀成技能，哪些需要时间关系图，哪些必须经过审核，哪些稳定到值得进入模型权重。
posts
所有文章
content volume
62
篇可浏览文章
/
page 1/1362 posts
跨越“知道”与“做到”：Agent Skills如何重塑AI的执行能力？
当 AI 从聊天工具走向 Copilot 和 Agent，真正卡住交付质量的，往往不是模型本身，而是缺少一套能重复、能维护、也能沉淀经验的执行路径。本文从 Agent Skills 的定义、工作机制、与 MCP 的关系以及落地方式出发，解释为什么 Skill 正在变成 Agent 系统里的能力封装层。
Vibe Coding 不是偷懒：AI 编程正在改写工程控制权
这篇文章从 Karpathy 对 Vibe Coding 的原始定义出发，结合 Addy Osmani 对 AI-Assisted Engineering 的区分、Claude Code 的 agentic coding 形态，以及 Stanford AI Index 2026 的数据，讨论 AI 编程为什么把工程重点从亲手实现推向定义约束、验证结果和承担后果。
AI 效率革命：为何越“省力”越累？
AI 确实提升了知识工作的产出速度，但它并没有自动换来更多自由时间。真正被改写的不是效率本身，而是组织如何重新定义工作量、竞争基准与个人价值。
LLM Wiki：超越 RAG 的持久化知识积累范式
大多数人使用 LLM 与文档交互的方式是 RAG：每次查询时从头检索、拼凑答案，没有任何东西被真正"建立起来"。LLM Wiki 提出了一种完全不同的思路：让 LLM 持续维护一个结构化 wiki，把知识积累成可复合的持久工件，并利用 LLM 把维护成本压到接近零。