16 posts tagged with "Agent Basics"

三个原因：

1. 信息爆炸：AI 一次吐出的内容远超人能消化的密度，配图塞满模块，看完记不住结论。
2. 宏观对、微观不对：大方向常对得上，细节总差，要反复打磨 prompt。结合上条放大了消耗。
3. 承担更多：AI 让原本不归你干的事也变成了你干的事，加上行业卷效率，总量更大。

三个缓解动作：

1. 加密度上限：配图任务要求"一张图最多 3 个元素"，超出就拆。
2. 前置成功标准：每个 AI 任务先写一句"我需要什么具体结果"，再开工。
3. 明确责任边界：AI 干哪些、你干哪些，不因为 AI 能干就揽过来。

面试官三轮的真实考察点，不是会调 API。

1. 一面（项目深挖，70 分钟）：从短期记忆到长期记忆、从成本控制到模型选型，全程追问项目细节，无八股文
2. 二面（系统设计）：从 0~1 搭一套商用 Agent 系统，边画架构图边追问落地细节
3. 三面（认知面/定级面）：聊赛道判断、个人差异化、1-2 年内行业瓶颈预测
4. 面试官要的不是会调框架的人：要的是做稳定、做可控、上线不出事的人
5. 新人别只写 demo：先把 token 机制、注意力机制这些底层搞清，再做有工程细节的完整项目

Loop Engineering 不是写更好的 prompt，是把"下指令的人"从自己换成一套你设计好的系统。

• Boris Cherny（Claude Code 负责人）："我已经不 prompt Claude 了，我的工作是写 loops"
• 从 ReAct 到 Ralph Loop 到 Claude Code /goal，底层逻辑是从"手工"到"工业"的范式迁移
• 六大构件：自动化触发、工作区隔离、技能沉淀、MCP 连接器、子代理分离、外部状态持久
• 关键前提：任务高度重复，验证可自动化，团队有充足 Token 预算
• 适合 CI 故障排查、依赖更新等标准化流程；不适合架构重构等需要人类判断的决策

Loop 越顺畅，人越容易停止思考——验证偷懒和理解债比 token 账单更危险。

SSE 和 STDIO 是 MCP 的两种传输方式，区别不在通信模式，在进程边界——STDIO 面向本地进程，SSE 面向远程服务。

• STDIO：客户端 fork 子进程，通过 stdin/stdout 收发 JSON-RPC，零网络开销
• SSE：客户端连远程 HTTP 端点，服务端推送事件，需处理鉴权和网络延迟
• 选择逻辑：本地工具用 STDIO，远程共享服务用 SSE，场景决定选型
• 核心差异：STDIO 进程由客户端管理生命周期，SSE 服务端独立部署
• MCP 演进：原始 HTTP+SSE 已被 Streamable HTTP 替代，不再需要双通道拆分
• 关键提醒：本地工具用 SSE 是自找麻烦，多了端口、CORS、鉴权，收益为零

AI 模型的流式输出本质是单向长文本推送，SSE 比 WebSocket 更合适，多数场景不需要双向通道。

• SSE：基于 HTTP，服务端到客户端单向推送，内置自动重连，零额外握手成本
• WebSocket：全双工双向通信，需要协议升级，实现复杂、资源开销大
• 选择逻辑：AI 问答是客户端发一条请求、服务端流式返回文本，单向通道完全够用
• 双向需求：语音对话、实时协作编辑才需要 WebSocket，纯文本问答不需要
• 坑 ①：HTTP/1.1 下同一域名最多 6 个 SSE 并发连接，多标签页可能占满
• 坑 ②：组件卸载时忘记手动关闭 EventSource，连接不会自动释放，导致内存泄漏

软件开发范式的底层逻辑变了——从瀑布到敏捷再到 AI 开发，不是在改进旧流程，而是把整个开发流程替换掉了。

• 瀑布模型：靠前期规划，像从零攒一辆摩托，上线那天才知道对不对
• 敏捷开发：靠快速反馈，从滑板迭代到摩托，但每一步仍然要人写代码
• AI 开发：靠意图表达，你描述要什么，直接给你成品摩托
• 核心转变在于驱动力的迁移：Plan → Feedback → Intent
• 效率提升不是"AI 写代码更快"，而是消灭了中间的等待和沟通成本

别再把 AI 当成"更快的程序员"——它在替换开发流程本身，不只是加速写代码这个动作。