文章列表

在处理敏感数据的 LLM 场景中，隐私脱敏（Redaction）是一个绕不开的话题。传统的脱敏方案通常是单向的：把用户输入中的邮箱、手机号或密钥替换成不可逆的占位符（比如 [邮箱] ），然后发送给大模型。这种做法在保护隐私的同时，也带来了一个痛点：当大模型需要调用外部工具，或者在多轮对话中需要引用这些具体信息时，单向脱敏会让模型 “失忆”，导致工具调用失败或上下文断裂。 最近，我在开源的 privacy-filter（一个基于 Go 语言、毫秒级延迟的 LLM...

这是「从零搭建 Agent」系列的第 5.3 章。前面几章我们已经让 Agent 拥有了循环、工具、上下文管理、记忆和计划能力。但一个现代 Agent 不能只活在自己写死的工具列表里，也不能把所有工作流经验都塞进系统提示词。本章会补上两块更贴近当下 Agent 生态的能力：MCP 和 Skills。 同步项目地址：https://github.com/Tritium0041/Singularity stage 4.3 MCP + Skills 相关变更。 # MCP 和 Skill 各自负责什么工作？ 这算是现在一个比较基础的问题了，但是可能初学者还没分清这两个的区别。 第 2.5...

这是「从零搭建 Agent」系列的第四篇。本章将在前三章构建的 Agent Loop、基础工具箱以及 Context Engine 的基础上，为 Agent 引入记忆系统（Memory System），通过分层记忆架构解决长链路任务中的 "遗忘" 问题。 当任务跨过很多轮、甚至跨过一个新会话时，Agent 应该怎样把重要事实留下来，又怎样在需要的时候把它找回来？ 本章对应变更：https://github.com/Tritium0041/Singularity/commit/675e567bed52522ab2ed5385cec14fa1878d5f29...

如果你现在去参加一场 AI 黑客松，或者去逛一逛独立开发者的产品发布区，大概率会看到这样的景象： 开发者 A 激动地展示："我做了一个 AI 记账 App，你只要对它说话，它就能自动把账目分类填进表格！" 开发者 B 不甘示弱："我做了一个 AI Todo，它能把你的目标自动拆解成十个子任务！" 开发者 C 紧随其后："我做了一个 AI 日记，它能根据你随手写的几句话，扩写成一篇声情并茂的文章。" Todo、记账、日记，这被称为...

这是「从零搭建 Agent」系列的第三篇。到这里，Agent 已经不只是会调用  calculator  的教学玩具了，它可以读文件、写文件、跑命令、搜网页、抓正文，也可以在不同模型接口之间切换。 但能力变强之后，新的问题出现了：工具输出、命令日志、网页正文、错误信息、历史对话都会不断进入 conversation history。模型每一轮到底应该看到什么？哪些内容应该保留？哪些内容应该截断？哪些内容应该总结？这就是本章要实现的 Context Engine。 同步项目地址 https://github.com/Tritium0041/Singularity，当前进度位于...

这是「从零搭建 Agent」系列的第 2.5 章。在完成了最小 Agent Loop 的构建之后，我们已经打通了” 感知 - 思考 - 行动”（Observe-Think-Act）的基础循环机制。 但第 2 章的系统还太简单了：只有一个 Provider，只有 `calculator` 和 `get_weather` 两个教学工具，几乎不会制造真正的上下文压力。为了让后续的 Context Manager、Memory、Planner 这些 Harness 模块有东西可管，我们需要先做一次工程上的”基础堆量”：横向扩展 LLM Provider，纵向扩展基础工具箱，让 Agent...

这是「从零搭建 Agent」系列的第二篇。上一篇我们先搭了理论骨架：Agent Loop 是心脏，Harness 是围绕这个循环做上下文工程和注意力管理的系统。从这一篇开始，我们把理论实践到代码里：先不做复杂的 Harness，只实现一个最小但能跑起来的 Agent Loop。 同步项目地址 https://github.com/Tritium0041/Singularity，当前进度位于 https://github.com/Tritium0041/Singularity/commit/223fa936b28f24c1b2d6629f924057d76b9f5926 #...

这是「从零搭建 Agent」系列的第一篇。本系列的目标是像拼积木一样，以 Agent Loop 为核心，逐步添加模块，最终拼装出一套完善的 Agent 系统。第一篇专注理论：搞清楚 Agent 是什么、由哪些模块构成、以及 Harness 在其中扮演什么角色。 同步项目地址 https://github.com/Tritium0041/Singularity # 什么是 Agent？ 一个 Agent，本质上是一个在环境中持续行动、以完成目标为导向的自主系统。与单次问答的 LLM 调用不同，Agent 的核心特征是目标导向...

在 LLM 应用向 Agent 演进的过程中，我们对 AI 的使用方式也从 “指令执行” 转变为 “目标委托”。本文将系统性地探讨 AI Agent 的本质定义、适合承担的工作特质、具体应用场景，以及如何实现真正的完全自主化。 # Agent 的本质定义：从工具到行动者 我们通常将 AI 定义为 “能做人能做的事的程序”，但这是一种被动响应的功能主义定义（输入 - 输出）。 如果要给 Agent 下一个更精确的定义，应当是： Agent 是以目标为驱动、能够自主规划并执行多步行动的程序，在执行过程中可以调用外部工具改变环境状态，并在必要时向人类请求授权或补充信息。 普通 AI...