mind
一本写在公开场合的笔记本：AI、Agent，以及我反复弄错的事
不是教程站，是判断站。来自一名 AI-native 软件构建者的现场笔记 —— 大多说出口，常常错，偶尔有用。
最近的文章
- 模式
The 2026 Agent Framework Landscape (And Where I Actually Stand)
Five mainstream agent frameworks, what each one actually solves, where my own multi-agent system fits in the picture, and the honest answer to "are we walking down the right path."
- 模式
为什么我把整个产品都建在 Cloudflare 上
大多数 AI 产品跑在 AWS 或 Vercel 上 + 某处的数据库。我把每一层都跑 在 Cloudflare 上——Workers、D1、R2、KV、Vectorize、AI Gateway、Pages。 六个理由它加起来意味着更少的代码和更低的账单，以及两种我不会用它的 情况。
- 反直觉
反谄媚：改变了我所有圆桌的五行规则
LLM 被训练得"乐于助人"，也就是"好说话"。在多智能体圆桌里，这正是 失败模式。五行规则——加在每个 persona 上——把分歧拿了回来，让讨论 变得真的有用。
- AI 产品
不取悦的教练
大多数 AI 产品在为"用户当下感觉好"做优化。一个教练必须为"用户变得更 好"做优化。这两个目标真的会冲突。从选第二个出发的三个产品决策。
- Agents 与系统
情景记忆，以及为什么大多数 RAG 是健忘的
RAG 记得说过什么。情景记忆记得发生过什么。两者的差别决定了你的系统 能否**学习** —— 还是只能复读。一周内给一个只有 RAG 的系统加上情景 记忆的菜谱。
- Agents 与系统
大多数人忽略的 Agent 系统的五层结构
人人都把"LLM 加几个工具"叫做 agent。这个词背后藏了太多东西。我把它拆成 五层，每层缺位时的症状写在旁边，结尾给一个 30 秒电梯版。