BLOG ARCHIVE — 2026

博客档案

把做过的事写下来,按时间轴归档:每一篇都是一次可被追问的复盘,而不是一句「做过」。

十一月NOV 2026
1711.17

Agent 项目面试,面试官真正想问的三件事

不是「做没做过」,而是记忆可信、动作受控、可评测性这三件事有没有被工程化。

1511.15

报告会撒谎——用两层评测拦截 Agent 幻觉,并让评测本身不漂移

结构断言 + 独立语义 Judge 两层合并,区分三类问题,失败样本进回归,评价绑定运行材料与模型版本。

1411.14

cross-border-crm 复盘——让 Agent 在受控边界下读写真实客户数据

SQL 唯一权威 + Mem0 只排序、专家只读 + 单一写者、Harness 动作分级、分层评测;12,958 项单测。

1211.12

飞书卡片 3 秒预算——把一个工单闭环塞进一张卡,还带三级降级

就地重绘、3 秒回调预算、Level 0/1/2 三级流式降级链与 Webhook 纯文本兜底。

1111.11

PulseOps 复盘——设备工单 Agent,为什么终点是「关单」而不是「看见异常」

确定性骨架 + 两个 LLM 节点,幂等落在部分唯一索引,状态机只认数据库,关单即沉淀经验,127 项回归。

0811.08

把开源贡献做成可复用的流程——oss-pr-skill 的四个阶段

仓库筛选、自挖不变量 bug、红绿测试证明、CI 与 review 处理,最后沉淀成面试叙事。

0411.04

工具执行前的安全边界——PreToolUse 集中拦截与 safe/ask/allow-all

SessionToolContext 注入凭据,PreToolUse 集中拦截,三档授权把安全边界从自觉变成管线。

十月OCT 2026
3110.31

knowledge-agent-workbench 复盘——手写 Workflow 与 LangGraph 双实现对照

SQLite/ChromaDB 双存储、混合检索,手写与图版双实现,HITL 与 Trace 失败分析,以及诚实的已知限制。

2610.26

跨境电商 Agent 平台——把 N 个后台收敛成一套工具调用

基于 ServerBuilder 设计统一数据源 Adapter,把 MCP 与 HTTP API 收敛成标准工具调用,新数据源接入不改主流程。

九月SEP 2026
3009.30

怎么给 83k star 的开源项目提 3 个 PR——测试不对称就是 bug 定位器

没抢 issue、没先问维护者,三个 PR 全部合并。复盘一条可复用的启发式:测试不对称就是 bug 定位器。