AI 【Anthropic】AI Agent 的上下文工程:让有限的 token 更高效
Anthropic 工程博客:在 LLM 推理中优化 token 资源配置,通过系统提示、工具设计、样例选择和长时任务策略提升 agent 性能
Anthropic 工程博客:在 LLM 推理中优化 token 资源配置,通过系统提示、工具设计、样例选择和长时任务策略提升 agent 性能
完整记录从树莓派硬件排查、网络链路分析、纯 TCP 隔离测试到公网测速交叉验证,最终锁定 Realtek RTL8832AU WiFi 网卡上传缺陷的全过程
从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering,讲清楚让 Agent 持续稳定交付的完整工程框架及六层核心组件
从 Claude Code 源码视角,解析多 Agent 的工具隔离、上下文隔离、父子通信(消息队列+XML)、Fork 缓存复用和 Coordinator 并行协调五大机制。
从泄漏的 51 万行 Claude Code 源码出发,拆解四层架构、Tool-Use Loop、System Prompt、记忆系统与上下文压缩等核心 Harness Engineering 实践。
速览 Claude Code /powerup 教程:@引用、模式切换等 10 课要点。
对比 Claude Code 用 grep 与 RAG 检索代码的两派观点与 token 成本。
介绍 Claude Context:MCP 向量检索工具,弥补 grep 的语义盲区。
解释 Claude Code 为何用 grep 而非 RAG:切分难、要精确、索引贵、冷启动慢。
JAR 不就是磁盘上一个文件吗,getResourceAsStream 怎么能读到里面?答案在 ZIP 二进制协议和 Central Directory 索引——不需解压,直接寻址。