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。
本文整理自「小林coding」微信公众号文章《面试官:"你 Claude Code 用得这么 6?" 我暗喜:"我早把 /powerup 命令的流程都做了",他:你牛逼》 /powerup 是 Claude Code v2.1.90 新增的官方交互式教程,提供 10 个课程 + 动画演示,覆盖从入门到进阶的完整学习路径。 前提条件 claude --version # 确保版本 ≥...
本文综合对比两篇观点: 为什么Claude Code不用RAG检索代码,而是用grep? 主流AI IDE的token成本爆炸?试试Claude Context! 核心争议 同一问题的两种截然不同答案: 问题:AI 编程工具如何检索代码? 小林coding:用 grep,让模型自己决策 Zilliz/Claude Contex...
背景:纯 grep 方案的三大问题 Claude Context 解决方案 核心突破 技术架构 技术选型 架构设计 核心问题解决 问题一:代码怎么切? 主策略:AST 抽象语法树切分 兜底策略:LangChain 文本切分...
核心问题 RAG 在代码场景的五大痛点 痛点 1:代码不像散文,切不动 痛点 2:精确匹配的活,向量干不了 痛点 3:代码每天在变,索引咋办 痛点 4:冷启动慢得要命 痛点 5:黑盒,不可解释 Claude Code 的反向思路:把检索还给模型自己 检索三件套详解 Grep:基...
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。