Page 147
12 articles领域特定 LLM 微调的合成数据流水线
构建领域特定 LLM 微调的合成数据流水线实用指南 —— 涵盖蒸馏与自我提升、质量过滤、防止模型崩溃以及预算驱动的策略选择。
结构化生成：提升生产环境中 LLM 输出的可信度
大多数基于 LLM 的应用都潜伏着一个静默 Bug：脆弱的 JSON 解析。结构化生成——包括受限解码、JSON Schema 强制执行和验证三明治（validation sandwich）——是防止一整类生产故障的基础架构层。
让 Manus 在生产环境中稳定运行的六项上下文工程技术
在重建了四次 Agent 框架并处理了数百万个任务后，Manus 团队总结了在长程 AI Agent 中管理上下文窗口的六项具体技术——以及为什么 KV 缓存命中率是大多数团队忽视的最重要指标。
动作空间问题：为什么给 AI Agent 更多工具反而会让表现变差
为 AI Agent 添加更多工具会因为注意力稀释、选择噪声和上下文混淆而降低其性能。了解层级化动作空间和 Agent 即工具（Agent-as-tool）模式如何解决这一问题。
真正可扩展的智能体上下文工程：四大策略
长期运行的智能体性能会因为上下文的无节制积累而下降。通过 写入、选择、压缩 和 隔离 这四大策略，你可以让智能体在数百个步骤中依然保持敏锐。
Agent Harness 深度解析
深入剖析使 AI Agent 在生产环境中保持可靠的基础设施层 —— 包括执行循环、上下文管理、错误处理、安全护栏以及状态持久化，这些正是区分原型与上线系统的核心要素。
上下文工程：生产级智能体的记忆、压缩与工具清理
如何通过压缩、工具结果清理和外部记忆防止生产级 AI 智能体中的上下文漂移 —— 包含 Token 预算分配策略、失败模式以及测量模式。
CLAUDE.md 和 AGENTS.md：让 AI 编程智能体真正遵循你规则的配置层
一份关于 CLAUDE.md 和 AGENTS.md 的实用指南——这些指令文件为 AI 编程智能体提供持久的项目上下文。为什么写好这些文件比选择模型更重要。
构建能在生产环境中真正运行的 AI Agent
一份专注于生产环境的 AI Agent 构建指南：涵盖六种可组合模式、单 Agent 与多 Agent 系统的决策框架、工具设计原则、导致事故的七种失败模式，以及 Agent 系统真实的可观测性实践。
AI 智能体的有效上下文工程
主动管理 LLM 上下文窗口是生产级 AI 智能体面临的首要工程挑战。本文深入分析了四种策略 —— 编写、选择、压缩、隔离 —— 它们能让智能体在执行长任务时保持连贯性。
掌握 AI Agent 可观测性：为什么你的仪表盘在骗你
当标准的监控仪表盘显示绿色时，你的 AI Agent 可能正在默默地产生幻觉、跳过工具，且质量正在下降。以下是你真正需要衡量的内容以及原因。
80% 难题：为什么 AI 编程智能体陷入停滞以及如何突破
AI 编程智能体生成代码的速度很快 —— 但采用它们的团队发现 Review 时间延长了 91%，PR 体积增大了 154%。本文将揭示高质量交付团队与溺死在 AI 生成复杂性中的团队之间的本质区别。
关于 Tian Pan
我是 Tian Pan，一名工程师型创始人，专注于智能体工程——构建自主 AI 系统并扩展工程团队。我撰写关于系统设计、技术领导力和 AI 智能体实战的实用指南。曾在 Uber、Brex 和 IoTeX 担任早期工程师。
