xingkaixin.me/tags/Agent

Tag archive

#Agent

13 篇 · 按时间倒序

进程挂了 resume 回来，agent 却僵住了：log 才是 agent 本体

Claude Code 的进程挂掉后，resume 找回了对话，却丢了待批准的权限请求。要让 agent 真正恢复，持久化的不能只是一份 transcript，还要包括可重放的事件、工作区和副作用状态。

DeepSeek Harness：我最想抄走的，不是它的插件系统

DeepSeek Harness 把主循环也做成插件，但我更想抄走“模型可见即有日志”这条规则。本文沿开发笔记还原它的取舍，以及它离日常工具还有多远。

Agent 让每个人都有了翻译器，但团队不再说同一种语言

Agent 能解释旧代码，却补不回当初的取舍。一次看不懂旧模块的经历，让我决定把困在 session 里的设计理由带回代码库。

给 App 加个聊天框，不叫 Agent-first

Agent-first 的关键不是在 App 里塞聊天框，而是让 UI、Agent 与 MCP 共用同一套业务 action。先改一个高频动作，再决定入口长什么样。

AI 五分钟解了你一周的 bug，然后你不开心了

Fable 五分钟用 dyld interpose 复现了一周的 bug，顺手修了潜伏七年的缺陷。编程的"施法乐趣"被剥夺了——但被剥夺的，恰恰是效率的敌人。

Agent 跑得越快，越要提前告诉它什么时候停

Agent 长任务除了完成目标，还要写明三类停点：连续尝试无改善、缺少关键事实、即将越过范围。停下汇报，比继续猜更省时间。

部署完就再没看过日志？我让 Agent 每天替我巡一遍 Cloudflare

Cloudflare 日志没人看，我给 Agent 配了每日巡检：查询过去 24 小时、对比基线、去重后开 issue。适合 loop 的任务，关键是边界清楚、结果容易核对。

Agent 写完前端，我要求它先自己点一遍

前端改完别急着接手。把浏览器自检写进 Definition of Done，让 Agent 先走核心路径、查 console、贴截图；人只接手最后的体验判断。

多数人不判断 agent，只是在吸收它的结论

判断力不是天赋，是可练的肌肉，练法就是“预测—对账”。派活前先写下你赌 agent 会怎么做、会在哪翻车；等它交活，先盖住描述自己猜，再对账。赌错那个点，正是最该盯住的地方。多数人只吸收 agent 的结论、不押预测，于是跑偏一年后才发现。

给 agent 做 CLI：你随手写的报错，是它的下一步指令

给 agent 做 CLI，报错不是日志，是接口。拆完飞书 lark-cli 的 35 万行源码，它只要求贡献者内化一条规则：你写的每条错误信息，都会被 AI 解析以决定下一步动作。typed error、stdout/stderr 分流、_notice 递话、lint 护栏，四个能直接抄的设计。

skill 越写越长，agent 反而越用越偏

Agent 的 skill 不是说明书，是文件夹。我把 agent 生成的 SKILL.md 从 312 行删回 40 行，它才第一次用对：判断标准留在入口，正反例和模板分家，description 写成触发词。附收下一个 skill 前要过的三个问题。

从"能聊"到"能办"：AI 旅行助手卡在哪里

AI 旅行助手卡住的不是"写攻略"，而是落地那一步。把旅行拆成去哪、何时、怎么到、能否去、玩什么、行中调整六段，每段有工具，却没人对整趟负责。能聊靠模型，能办靠实时数据、交易库存、规则校验、出错兜底。背后是一张能力网络，缺一块就停在"推荐"。

工具的进化论：当 MCP 遇见 CLI，一场关于"上下文"的温柔革命

MCP 协议的"上下文爆炸"问题催生了 Skill+CLI 这条更轻量的路线：不把所有工具定义塞进提示词，而是用 CLI 按需调用，以 OpenClaw 为代表的社区实践正在证明这种方式的价值，MCP 与 CLI 未来会混合共存、各司其职。