Agent on moyutianzun 的博客

每日github项目解析：（二）20260605 github robot和agent soul

Fri, 05 Jun 2026 09:47:40 +0800

github robot

https://github.com/pbakaus/agent-reviews

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

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。

agent系列（五）：agent架构的落地思考

Wed, 22 Apr 2026 07:43:23 +0800

最近在楼下停车场散步，反思了一下最近遇到的bug，觉得蛮有意思的，写篇blog分享一下。

prompt engineering的useful和useless

上文我们已经从架构的方面去讨论过多种的agent架构，主要还是分为隐式plan、半显式plan和显式plan的三种不同的agent风格，

那么在前年的prompt engineering的时代，RAG是那时候的热门话题，为什么要RAG呢，是因为LLM落地的第一大问题：大模型训练的语料是公开语料和通用规律，它是不知道公司内部文档、你自己的笔记和古早之前的上下文的，那时候连web search的清洗都是非常困难的，所以大模型的幻觉非常强。

agent系列：（四）session管理和agent架构

Sat, 14 Mar 2026 16:24:52 +0800

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

session管理

常见可以分成以下几类：

一类是 thread/checkpoint 型（LangGraph、Dify、Flowise）
一类是 runtime snapshot/controller 型（AutoGen、OpenHands）
一类是 workspace/project 型（Open WebUI、AnythingLLM、FastGPT、LobeHub）

agent系列：（三）context and memory

Thu, 05 Mar 2026 17:06:39 +0800

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，一个有序、分层、可度量的 typed blocks 集合，是模型单次推理的输入态。

Context Engineering：围绕 payload 的三类能力：

agent系列：（二）agent plan

Wed, 04 Feb 2026 07:12:09 +0800

agent最基本的就是ReAct范式，其中最关键的就是agent plan，我们主要探讨的是单agent的plan和多agent不同范式如何plan的更好。

单agent

单agent plan指的是同一个agent在一个 loop 里：规划 → 执行（工具调用）→ 观察 → 反思/重规划 → … → 完成。

agent系列（一）：实用的agent架构、应用、评估和未来

Sun, 18 Jan 2026 16:41:53 +0800

0. 数模

最基础的抽象是：环境有状态s_{t}，你能看到的是观测o_{t}，你做动作a_{t}，环境给反馈（比如奖励/成功信号）并转移到新状态。用 (PO)MDP 写就是：

github源码阅读：（二）OpenCode Code agent

Fri, 02 Jan 2026 14:59:30 +0800

项目介绍

什么是 OpenCode

OpenCode 是一个 100% 开源的code agent，专注于为开发者提供强大、灵活且可扩展的 AI 编程体验。与 Cursor、Copilot 等商业工具不同，OpenCode 不绑定任何特定的 LLM 提供商，支持 Claude、OpenAI、Google、本地模型等多种提供商。

github源码阅读：（一）LlamaIndex 上下文数据规范

Wed, 31 Dec 2025 06:09:51 +0800

概述

LlamaIndex（原名 GPT Index）是一个开源的数据框架，专门用于构建大语言模型（LLM）应用。它解决了 LLM 的一个核心局限性：LLM 在训练后就无法访问私有数据。LlamaIndex 通过检索增强生成（RAG）技术，将用户的私有数据与 LLM 的生成能力无缝连接。与langchain相比，langchian是编排工具流工作流等，而llamaindex专注于数据格式和数据索引。