置顶AI 与智能体
Codex 工作流：Explore → Plan → Code → Verify → Review
Codex 系列第 7 篇：把一次真实任务拆成 Explore、Plan、Code、Verify、Review 五个阶段，给出可复制的任务 checklist、Prompt 模板和验收方法。
Ralf 的个人实践笔记
把实践写清楚，留给以后复用。
核对来源，写清过程，保留边界。这里记录 AI 与智能体、工程实践、投资阅读， 以及那些值得回头再看的判断。
44 篇已发布2 个主题4 条系列
正在写一本书
深入浅出 AI Agent
从模型、上下文和工具出发，逐步搭建可运行、可验证、可持续改进的 AI Agent 工程体系。
18 / 18 章已发布
开始阅读Relf-Agent：轻量起步，灵活编排
介绍我开源的 Python Agent 框架 Relf-Agent：用内置模板起步，按需组合静态工作流、动态 Plan/DAG、多 Agent 团队、RAG 与记忆。重点解释开箱能力、组件扩展方式，以及 Local、HTTP 服务和 Temporal 三种运行路径的实际成本。
最近更新
全部文章 最新文章
AgentScope Java 2.0 架构解析：核心能力、Harness 与企业落地
沿一次 Agent 调用拆解 AgentScope Java 2.0 的消息、ReAct、工具权限、事件、状态与 Middleware，再说明 Harness 的工作区、记忆、Skill 和沙箱该如何选用。
LLM 缓存的四个层次：KV、Prefix、Prompt 与 Semantic Cache
从一次自回归推理出发，区分 KV Cache、Prefix Caching、托管 API 的 Prompt Caching 与应用层 Semantic Cache，说明它们分别缓存什么、何时命中、节省哪段计算，以及生产环境最容易踩中的失效与正确性风险。
Codex Harness 解析：开源的不是一个壳，而是一套 Agent 运行时
Codex Harness 近期开源了吗？本文结合 OpenAI 官方资料、Codex App Server 文档、openai/codex 源码入口和 Harness Engineering 相关讨论，解释 Codex Core、App Server、Thread / Turn / Item、审批、沙箱和事件流的关系，并给出源码阅读路线与使用 Codex 的实践建议。
DeepSeek Harness 深度解读：一切皆插件的 Agent 运行时
从模型、Agent 与 Harness 的关系出发，拆解 DeepSeek Harness 的 Cordis 插件树、Profile 与 Bundle、事件日志、Agent Loop 和能力接缝，并分析这套架构相较 Codex 与 Claude Code 的价值、复杂度和适用边界。
CLI 还是 MCP：为什么“万物皆 CLI”只对了一半
AI Agent CLI 工程第 2 篇：区分用 CLI 运行 Agent 与让 Agent 调用 CLI，基于 MCP 2026-07-28 规范比较 CLI、MCP 和 SDK/API，并用同一领域函数实现可验证的 CLI/MCP 双适配器。