探索未知，记录生活
探索分享未知的知识，记录快乐的每一天
LangChain的Deep Agent优化：Harness Engineering实战指南。 通过系统框架（harness）工程化改进，LangChain编码Agent在TerminalBench 2.0基准测试中从前30名跃升至前5名。核心方法包括：构建自验证机制引导Agent通过测试验证代码、注入环境上下文、检测并打断循环失败、采用"推理三明治"策略优化推理预算分配。文章强调上下文工程与LangSmith追踪分析在提升Agent性能中的关键作用。
Anthropic分享Claude Code开发经验：通过提示词缓存优化降低60-90%成本，涵盖提示结构设计、缓存命中率监控、工具延迟加载及上下文压缩等关键策略。
深入解析Claude提示词自动缓存机制：大语言模型多轮对话中，Agent框架需重复发送上下文与工具描述，造成高额token开销。通过cache_control实现预填充计算复用，缓存token费用仅为基础输入的10%。本文详解缓存工作原理、自动缓存块跟随策略，并探讨多模型Agent开发的适配建议。
本文分享了构建 Claude Code 过程中的核心经验教训，从 Agent 设计的视角探讨如何打造高效的AI 智能体。文章深入分析了操作集合（action space）设计的关键挑战，包括工具发现机制的三次迭代演进、AskUserQuestion工具的设计思路，以及如何随模型能力提升重新评估工具需求。同时介绍了从被动 RAG到主动上下文构建的搜索接口演进，以及渐进式信息披露模式在约20个工具间的平衡实践。核心洞察在于：理解模型需要什么，不能依赖固定规则，而需要持续观察模型行为、仔细阅读输出并不断实验调优。
我们正处于 AI 的转折点。多年来，我们只关注模型本身，模型有多聪明、多优秀？我们查看排行榜和基准测试，看模型 A 是否击败了模型 B。 顶级模型在静态排行榜上的差距正在缩小。但这可能只是一种假象。模型之间的真正差距，会随着任务时间的延长和复杂度的提升而逐渐显现。这归结为持久性：一个模型在长时间执行数百次工具调用的过程中，能多好地遵循指令。排行榜上 1% 的差异，根本无法检测出一个模型在五十步之后...