https://moyutianzun.com/tags/%E5%A4%9Aagent/Recent content in 多agent on moyutianzun 的博客Hugozh-cnmoyutianzunFri, 05 Jun 2026 09:47:40 +0800https://moyutianzun.com/blog/mei-ri-githubxiang-mu-jie-xi-er-20260605/Fri, 05 Jun 2026 09:47:40 +0800https://moyutianzun.com/blog/mei-ri-githubxiang-mu-jie-xi-er-20260605/<h1 style="" id="github-robot">github robot</h1><p style="">https://github.com/pbakaus/agent-reviews</p><p style=""><strong><mark data-color="#fed7aa" style="background-color: #fed7aa; color: inherit"><u>这个项目让我想到一个有意思的场景：一个让人血压升高的下午</u></mark></strong></p><p style="">你提了一个 PR，信心满满。几秒钟后，Copilot 来了，CodeRabbit 来了，Cursor Bugbot 也来了。它们在你的代码行上密密麻麻留下几十条评论：这里可能空指针，那里命名不规范，这个函数复杂度超标。你认认真真改了一轮，git push。</p>https://moyutianzun.com/blog/mei-ri-githubxiang-mu-jie-xi-yi-20260604/Thu, 04 Jun 2026 10:00:30 +0800https://moyutianzun.com/blog/mei-ri-githubxiang-mu-jie-xi-yi-20260604/<h1 style="" id="headroom">headroom</h1><p style="">https://github.com/chopratejas/headroom</p><p style=""><strong><mark data-color="#fed7aa" style="background-color: #fed7aa; color: inherit"><u>官方的说法是它是个给 AI agent 省 token 的"压缩中间层"。</u></mark></strong></p><ul><li><p style="">AI agent(比如 Claude Code)干活时,要把一大堆东西塞给大模型读——工具输出、日志、报错、检索结果、文件内容、聊天历史。</p>https://moyutianzun.com/blog/agentxi-lie-si-agentjia-gou/Sat, 14 Mar 2026 16:24:52 +0800https://moyutianzun.com/blog/agentxi-lie-si-agentjia-gou/<p style="">如果要去design一个agent架构，避免不了的就是涉及到对session的管理和agent的架构，一个是表面的，一个是深层的</p><p style=""></p><h1 style="" id="session%E7%AE%A1%E7%90%86">session管理</h1><p style="">常见可以分成以下几类：</p><ul><li><p style="">一类是 <strong>thread/checkpoint 型</strong>（LangGraph、Dify、Flowise）</p></li><li><p style="">一类是 <strong>runtime snapshot/controller 型</strong>（AutoGen、OpenHands）</p></li><li><p style="">一类是 <strong>workspace/project 型</strong>（Open WebUI、AnythingLLM、FastGPT、LobeHub）</p>https://moyutianzun.com/blog/agentxi-lie-san-context/Thu, 05 Mar 2026 17:06:39 +0800https://moyutianzun.com/blog/agentxi-lie-san-context/<p style="">context其实跟infra息息相关，好的infra能支持非常多的idea并发的去实现，而pipeline的高度耦合使得infra变得屎山中的屎山，所以模块化的context infra势在必行。我们想构建一个context playload，一个<strong>有序、分层、可度量</strong>的 typed blocks 集合，是模型单次推理的<strong>输入态。</strong></p><p style=""><strong>Context Engineering</strong>：围绕 payload 的三类能力：</p>