https://www.jdon.com/探索 分享 交流 解惑 授道 。更多关注见https://www.jdon.com/followus.htmlhttps://www.jdon.com/91699-cursor-sdk-agent-runtime-shift-ai-infra.htmlCursor推出官方SDK，把它的AI编程agent从编辑器里拆了出来。以后开发者能在任何地方运行这个会写代码的脑子，终端、服务器、自动化流程都行。这件事把AI编程从一个软件功能升级成了系统基础设施，竞争点彻底变了。 Cursor这波SDK发布，直接把写代码用AI这件事，从一个软件功能升级成了一套可以到处塞的基础设施。 以前你要用AI写代码，你得打开Cursor这个编辑器，现在你可以把这个会写代码的脑子塞进任何地方，终端里、自动化流程里、你自己做的产品里，甚至你睡觉的时候它也在帮你修bug。CICD持续集成交付专栏AI智能体Agentvibe编程AI基础设施Wed, 29 Apr 2026 22:13:00 GMThttps://www.jdon.com/91699-cursor-sdk-agent-runtime-shift-ai-infra.htmlbanq2026-04-29T22:13:00Zhttps://www.jdon.com/91696-ai-harness-backend-worker-trigger-function.htmlAI系统复杂度的根源在于把Agent和后端拆成两套东西。统一成Worker、Trigger、Function三件套后，复杂度直接下降，调试从抓鬼变成看一条线。 你现在做AI系统，脑子里默认有个设定：Agent是一层，Backend后端是一层。这就像你非要把炒菜分成锅的世界和菜的世界，结果每次炒个鸡蛋都要开两场会，锅说等等菜没准备好，菜说等等锅还没热。你就在中间当传话筒，累得半死。 但是，系统统一成Worker 、Trigger、 Function三件套会降低复杂度并提升可观测性。AI智能体Agent系统思维训练指南DDD泛在语言UL架构师资料教程Wed, 29 Apr 2026 10:15:00 GMThttps://www.jdon.com/91696-ai-harness-backend-worker-trigger-function.htmlbanq2026-04-29T10:15:00Zhttps://www.jdon.com/91642-Self-Healing-Agent-Harness.htmlAI自己写代码自己修Bug还自己上线！一套让AI自动评分、修复、上线的自愈系统，彻底重构软件开发流程。没有QA团队，没有测试环境，全靠AI评委团打分和自动修复流水线，每天上线3到8次。 这套叫“自愈Agent系统”的东西，本质就一句话。AI自己干活，AI自己打分，AI自己修Bug，AI自己决定能不能上线。听起来像公司老板喝多了吹牛，但人家已经在生产环境里一天发3到8次版本了，而且没有QA，没有测试环境，也没人手动检查。 核心逻辑很简单，而且特别狠。只看结果好不好，出问题就立刻修，修完马上验证，没问题CICD持续集成交付专栏软件质量指南DevOps教程AI智能体AgentTue, 28 Apr 2026 02:28:00 GMThttps://www.jdon.com/91642-Self-Healing-Agent-Harness.htmlbanq2026-04-28T02:28:00Zhttps://www.jdon.com/91624-ai-memory-agent-iclr-2026-highlights.htmlICLR 2026五篇顶会论文揭秘AI记忆真相：压缩缓存、真实测试、让AI自己学记笔记，三大招解决记性差。 ICLR 的全称是 International Conference on Learning Representations，翻译过来是“国际学习表征会议”。这是人工智能领域最顶级的学术会议之一，跟CVPR、NeurIPS、ICML 是一个级别的。每年全球最厉害的AI研究成果都会在这里发布。 2026年的这个大会在巴西的里约热内卢举办，今年有个专门的板块讨论AI Agent的记忆问题。本文谈的五篇论文AI智能体AgentAI提示上下文工程符号推理与形式逻辑AI人工智能指南Sun, 26 Apr 2026 00:56:00 GMThttps://www.jdon.com/91624-ai-memory-agent-iclr-2026-highlights.htmlbanq2026-04-26T00:56:00Zhttps://www.jdon.com/91622-openclaw-token-optimization-engineering-breakdown.htmlOpenClaw开发人员通过优先压缩工具结果、稳定缓存指纹、子Agent轻量化等工程细节，团队在多路径高频流程中实现整体Token消耗降低35%。 我们从三月底到四月七号，硬生生把OpenRouter的token用量砍掉了35%。每天少处理4000亿个token，这个成果直接支撑了四月七号OpenClaw版本的顺利发布。如果没有这次优化，新版本上线后token用量会直接爆表，用户会卡到想砸电脑。 这事儿不是靠一个骚操作搞定的。我们就像修车老师傅，把AI代理跑流程时碰到的五个坑全填了：工具结果太大撑爆内存、压OpenClawAI提示上下文工程AI智能体AgentAI基础设施Sat, 25 Apr 2026 23:57:00 GMThttps://www.jdon.com/91622-openclaw-token-optimization-engineering-breakdown.htmlbanq2026-04-25T23:57:00Zhttps://www.jdon.com/91569-Skill-Graphs-2-0.html别再让AI乱跑！三层技能结构把失控智能体变成听话执行者！通过原子、分子、复合体三层结构，我们把技能系统从不可控的图变成可控的分层模型。人类专注高层决策，机器执行底层任务，实现生产力数量级跃升。 这套“Skill Graphs 2.0”的本质任务非常直接：当技能系统规模变大时，依赖关系的复杂度会迅速失控，AI智能体的执行开始变得无法预测。我们的解决方案没有否定“技能组合”这个方向，而是把“图结构”彻底改造成“分层结构”。 通过原子、分子、复合体三个层级，我们重新约束了控制权与决策权的分配。这套方法在可控性与杠AI提示上下文工程架构师资料教程技术架构与体系结构AI智能体AgentThu, 23 Apr 2026 08:55:00 GMThttps://www.jdon.com/91569-Skill-Graphs-2-0.htmlbanq2026-04-23T08:55:00Zhttps://www.jdon.com/91563-multi-agent-systems-effective-patterns.html本文总结多智能体系统真正有效的核心模式：保持单线程写入，让多个智能体贡献智能而非并行操作。通过代码审查环和“聪明朋友”架构，实现上下文纯净与成本优化，并指出通信与训练仍是未来挑战。 别再乱建多智能体！我们试了10个月，只有这两个模式靠谱 作者背景Cognition公司AI系统团队，负责Devin智能体核心架构与多智能体部署实践。 我们过去认为大多数多智能体系统不靠谱，因为并行写入会导致风格冲突和产品脆弱。经过十个月的实战，AI智能体Agent架构师资料教程GoF设计模式教程最佳实践与经验分享Thu, 23 Apr 2026 02:09:00 GMThttps://www.jdon.com/91563-multi-agent-systems-effective-patterns.htmlbanq2026-04-23T02:09:00Zhttps://www.jdon.com/91521-AI-agent-production-mistakes-system-design.html过去两年生产环境构建智能体，总结六大系统设计失误。每个失误都有清晰问题、成因和修复方案，帮你快速定位并解决生产故障。 生产环境中的智能体系统反复崩溃，根本原因不是模型本身差劲，而是系统设计出了错。 大多数智能体会无声无息地失败，演示时表现良好，到了生产环境就开始不可预测地漂移。成本莫名飙升，行为变得古怪，每次发布都像在赌博。团队最终困在概念验证炼狱里，无法发布、无法调试、也无法信任自己的系统。 本文覆盖导致智能体系统在生产中崩溃的六个具体失误。每个失误都有清晰的问AI智能体Agent软件系统设计指南AI提示上下文工程DevOps教程Sun, 19 Apr 2026 23:04:00 GMThttps://www.jdon.com/91521-AI-agent-production-mistakes-system-design.htmlbanq2026-04-19T23:04:00Zhttps://www.jdon.com/91516-cli-mcp-agent-architecture-stack.htmlCLI与MCP不是对立关系，而是同一问题在不同层的重复出现！CLI与MCP的争论已经结束，分层架构成为事实标准 过去30天的社区讨论已经给出一个非常清晰的结论：CLI与MCP根本不是竞争关系，而是围绕“智能体应该调用哪一层工具”这一问题，在不同技术抽象层上的两次重复争论。开发者一开始把它当成路线之争，结果越讨论越发现，这其实是一个系统设计问题，而不是工具选择问题。这个发现本身就像你本来以为自己在选可乐还是雪碧，结果发现自己其实是在解一道微积分题，那种反差感直接让很多人笑不出来，但又不得不服。 讨论的走向也非AI智能体Agent架构师资料教程技术架构与体系结构API设计指南Sun, 19 Apr 2026 03:12:00 GMThttps://www.jdon.com/91516-cli-mcp-agent-architecture-stack.htmlbanq2026-04-19T03:12:00Zhttps://www.jdon.com/91513-agent-harness-architecture-llm-system-design.htmlAgent性能瓶颈不在模型，而在Harness系统设计，核心在上下文、工具、记忆与验证机制的工程优化。 当一个AI代理在生产环境崩溃、遗忘、胡说八道时，问题通常不在模型本身，而在模型外面那一整圈“你以为只是包装，实际上是灵魂”的系统结构。这一层被统一命名为Agent Harness，也就是代理基础设施，它才是真正决定系统表现的关键变量。 更直白一点讲，你以为你在“调模型”，其实你在“调操作系统”。你以为你在写提示词，其实你在搭一整套分布式系统。LangChain通过只改外层基础设施就把性能从三十名开外干到前AI智能体Agent软件系统设计指南AI基础设施架构师资料教程Sun, 19 Apr 2026 00:22:00 GMThttps://www.jdon.com/91513-agent-harness-architecture-llm-system-design.htmlbanq2026-04-19T00:22:00Z