AI

系列导读：Agent 工程需要哪些运维知识 之前写过 Devops概念梳理，主要从 Docker 和 K8s 入手。最近做 Agent，接触到的运行环境更多了：API 在一个地方，工具在沙箱里，数据库走内网，模型又需要访问公网。一个任务没有执行下去，首先得知道是哪条连接出了问题。 ...

工作流画布上的节点和连线，很容易让人以为引擎只是“按顺序调用几个函数”。 真正运行起来以后，问题会复杂得多：哪些节点可以并行？条件分支没选中的路径怎么处理？两个分支什么时候汇合？节点失败后重试什么？等待人工确认时保存什么？后台执行和浏览器看到的进度是什么关系？ ...

之前写 LangGraph 时，提到过它的 Human in the Loop 能力。最近在设计 Agent 的人工介入功能，发现这里有不少值得单独展开的细节。 Agent 可以查询资料、生成内容，也可以调用工具去修改数据、发送消息、发起业务流程。随着它能做的事情越来越多，我们需要明确：哪些事情可以交给它直接完成，哪些地方需要人补充信息，哪些动作必须由人确认。 ...

背景 大语言模型已经可以流式输出文本：模型生成一个词，页面就显示一个词。可一旦模型输出的不是普通文字，而是一段用于描述界面的 JSON、Markdown 或 DSL，事情就变得麻烦了。 ...

背景 这是另一篇 vibe coding 实践，之前已经有一个实践：基于当时的工具做的，现在呢基于最新的 claude code 加上 deepseek/glm-5.1 做的，然后过程是基于 superpower 来做流程控制。基于此详细说下怎么做的 ...