Agent 开发中心总览:模型、工具、记忆、RAG、编排、评测与部署
系统梳理 LLM Agent 的核心架构:模型接入、工具调用、记忆系统、RAG 检索、任务编排、评测观测与生产部署。
这里记录后端工程、云原生、API 网关、缓存系统、对象存储与 AI Agent 的工程化实践。
const author = "书鸿 / Juno Mak";
const role = "Backend & Cloud Native Developer";
选择你的阅读路径
先设计数据模型、内容流、搜索、精选、统计、订阅和后台管理,再逐步接入前端。
文章主体,支持草稿、定时发布、归档、SEO 摘要和多语言扩展。
后台人工选择 Top5 的核心表,前端文章流只读取启用中的前五条。
分类和标签体系,支撑检索、聚合、推荐和文章归档。
访问统计、阅读完成率、热门文章和推荐排序的基础事件表。
文章 CRUD、标签分类、Top5 精选、公开文章列表和详情。
全文搜索、最近阅读、订阅、留言、访问统计和后台登录。
MDX、版本历史、推荐排序、阅读完成率、RSS、Webhook 通知。
Agent 辅助写作、自动摘要、引用检查、文章质量评分和知识库联动。
后台精选 Top 5 与全部文章检索。
系统梳理 LLM Agent 的核心架构:模型接入、工具调用、记忆系统、RAG 检索、任务编排、评测观测与生产部署。
深入解析 W-TinyLFU 准入策略的数学原理与工程实现,包含布隆过滤器、SLFU 和 LRU 的协同工作机制。
记录 HCache 的分片设计、W-TinyLFU 准入策略、内存控制与多核并发优化实践。
围绕控制面、节点池、etcd、Webhook、CNI、CSI、CoreDNS、Ingress Controller、PDB、观测指标和回滚边界设计生产级集群升级方案。
基于 apisix-go-plugin-runner 实现请求加密、响应解密、策略选择和多版本密钥管理。
按系列、标签和关键词组合筛选技术文章。
从反向代理、负载均衡、超时、Header、限流、TLS、日志、连接参数、配置发布、缓存到 Linux 网络与文件句柄,系统拆解 Nginx 在生产入口层的实战配置、源码路径、事故复盘和高频面试追问。
通过 Go 后端服务和完整 Kubernetes YAML,拆解应用接入 K8s 后的启动、健康检查、优雅终止、资源配置、发布回滚、Service/Ingress、HPA、PDB、NetworkPolicy、存储、安全、容量治理和线上排障。
我把 Anthropic、OpenAI Agents SDK、ReAct、MemGPT、RAG Survey、AgentBench 等资料串成一条学习路线,目标不是多读论文,而是把前沿研究转成工程判断。
我把 Anthropic《Building Effective Agents》按工程主线重新拆开,重点不是复述 Workflow、Routing、Orchestrator,而是理解 Anthropic 在什么情况下放弃 Agent、为什么反对过度设计,以及这些判断怎样映射回真实系统。
我不把 Claude Code 只看成一个“会写代码的命令行工具”,而是把它拆成 coding agent 的产品形态来理解:它怎么组织工具、状态、权限、MCP、反馈闭环,以及这些设计和论文里的 code agent 有什么关系。
我重新精读 Corrective RAG,重点不是复述它接了 Web Search,而是理解它为什么把“检索失败”定义成显式状态,以及这件事怎样改变我对生产 RAG 的纠错思路。
我重新阅读 GraphRAG 相关论文与文档,重点不是复述图构建流程,而是理解它为什么要解决全局 sensemaking 和 query-focused summarization 问题,以及这和普通 chunk 检索根本不是同一层任务。
我重新精读 Lewis 等人的原始 RAG 论文,重点不是复述检索增强生成的流程,而是理解它到底改变了什么架构假设,以及这些判断怎样一路影响到今天的 Agent 与生产 RAG 系统。