Agent Design - 人体工学我们提供了一个TODO工具给Agent，让它可以列出TODO项，并在任务过程中对TODO项进行修改，这一过程会完全展示给用户。 当我要求制作一个个人博客时，Agent列出了以下TODO： 1234- [] 创建个人博客的HTML结构- [] 设计博客样式和布局- [] 添加导航和页面内容- [] 添加响应式设计 起初，我对这一功能并不感冒，因为我知道Age

我与claude共同创作，大部分是我在写随笔，claude再帮我整理成文 AGI作为一种革命性的生产力，正在与现有的制度框架、治理结构和权力配置发生深刻的冲突。已经有无数人告诉我们AGI可能在不远的将来就将达到，而人们也意识到模型的训练优化来到下半场，我们已经有了足够智力的模型来进行生产活动等等……所以AGI is possible，这点毋庸置疑，But… 但当我们将视角转向制度层面时，AGI

Context Engineering-The Most Important Thing in Agent Development English version is below. Translated by Claude and Wh1isper(Human in the loop). What is Context Engineering前两个月我写了一篇博客(Agent Design N

The Measurement Crisis in Traditional Product DevelopmentIn the internet era, we’ve grown accustomed to a mature product development paradigm: validating feature improvements through A/B testing,

最近一些讨论让我重新意识到大模型时代的数据采集、数据挖掘和数据质量或许需要新范式。 回顾数据制胜的现代互联网行业，人们从电商等大数场景出发，利用大数定律进行了各种各样的数据采集和实验，最后可以看到，最尊重数据的公司从某种程度上最拟合（也可能是过拟合）了事实，从而建立起了庞大的商业帝国。 而基于互联网数据所生产的大模型，人们从前的数据方法论好像失去了魔力： 人们常用大模型解决长尾需求：大模型实验速

或许我们正处在一个文艺复兴时代：从关注数据、增长的机械唯物，到关注个体需求的文艺复兴时代。 通过LLM技术，我们从互联网UGC，无数人消费同样的内容，到AIGC/AI Coding，每个人可以消费自己创造的信息 人机交互更加理性，从短视频手指不断往下滑的奶头乐，到思考自己的需求，利用prompt进行创造，人类回到了创造工具的时代 而又或者，我们处在一个混乱的时代 有人沉迷LLM，沉

pymupdf4llm-mcp: Enhancing LLM Agents with High-Quality PDF ContextIntroductionIn the rapidly evolving landscape of AI agents, providing high-quality context to Large Language Models (LLMs) is crucial

基于最近对 Claude code 的一些复现和构建 Agent 的相关演讲，总结一下学到的经验 用 Agent 角度思考并提供上下文上下文的提供包括： Tool 的 description、参数、实现和错误提醒 System prompt 和 User prompt 如何提供上下文 用 Agent 的角度思考是指人类仅通过上下文来完成任务，发现 prompt 和 tool 的设计不足之处。当

More agents is all you need. ArchitectureAfter researching the agent designs of products like Cline and Nanobrowser, it is evident that the current state-of-the-art approach involves dividing agent

《苦涩的教训》中，我们已经发现，符号主义的失败是必然的，AI的发展充满了工具先行，理论后至的路线，甚至目前也没有一个很好的理论来完整解释神经网络和大语言模型。回顾蒸汽机和热力学的发展，人们首先发明了工具（蒸汽机），后来在对工具的不断优化中，发现了各种理论，如卡诺循环。对于LLM而言，人们似乎也是首先发现了GPT，后来应用到chat、workflow、agent上，在实践过程中不断优化。 1. 现象