LLM并非一台计算机，LLM目前只是一个处理器，人们通常将记忆、RAG等外置存储手段作为内存看待，但实际上，只有Context才能被看做内存，而这些外挂的存储手段，可以看作是一种“虚拟内存”，LLM通过工具调用或者工程师通过工程化的手段进行“换页”，人们将此称为Context Engineering。 我之前介绍过工程上的Context Engineering策略，而LLM进行工具调用的方式，目前

LLM是没有时间概念的我想起人们让Deepseek深度思考三秒后给出答案，Deepseek真的考虑一下什么是三秒，以及如何思考三秒。或许这就是肉身人类与硅基生命的区别。 时间是人类最重要的幻觉认识到时间对于自己的重要性，是认识到自身意义的开始。 如果一个人一直按部就班地活着，时间对他来说是最不值钱的，相比之下，不被破坏的规律是他最重要的东西。 但某一天，突然发现，一个人的人生之所以不同，就是因为每

最近我又开始可以发呆了。 高考结束之后，人生仿佛按下了快进键，在大学卷，在实习卷，在工作卷，只有付出努力才能获得回报。 不论是在地铁、出游、还是在家里，我都在思考，思考着课程、作业、工作内容、架构设计、赚了多少钱，对比着自己和别人的生活，叹息着自己的生活不如意，于是又催促自己再加把劲。 或许我就是这样失去了发呆的能力。 我曾经认为，发呆是灵感的来源，是快速休息的方式，我总会在课堂上、公交车上、地铁

这是一篇随笔，在思考人类应该如何利用LLM的时候，我意识到杠杆效应是一个很好的思考角度。 工具杠杆从工具杠杆的角度上看，LLM是一个很平均的工具，在不对其进行微调的时候，人们总能通过chatbot提升自己的效率，但由于单纯聊天产生的价值不高，人们需要通过高价值的劳动行为来提升杠杆率。 目前得到验证的工具杠杆是Coding，在上一个时代（互联网时代）已经验证过，代码可以不间断的运行并带来价值，其边际

我曾在之前的文章中讨论过AI产品需要更端到端的设计来帮助用户发挥Agent智能，在目前来看，暴露错误是一个很好的让用户学习、同时进一步发挥模型智能的方式。 在传统的产品设计中，人们总是倾向于所谓的简洁，将一切复杂的原理藏在产品后面，让用户能够下意识的完成操作，人们总是假设用户无法理解产品背后的运行逻辑，不具备或不愿意花时间理解产品的技术细节。但在AI时代，每个人都需要通过表达来创造自己想要的东西，

记录一些最近调研的 Agent 系统的架构。 Long-term Memory System参考Mem0和AWS Bedrock AgentCore Memory，长期记忆一般是 LLM 蒸馏用户消息，形成浓缩消息和对应 embedding，从而支持语义化检索。 核心组件： LLM：浓缩消息 Embedding：对浓缩消息进行Embedding并支持语义化检索 Vector Database：E

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,