空缺的博客

生命不息，折腾不止。前三课你手里已经有个能调工具、记得住你、还能打包成 API 的 Agent 了；可什么活都塞给它一个人干，早晚要「精神分裂」。今天给它配一队专科专家，再请个「老板」专门派活、验收。 一、单打独斗的 Agent，卡在哪儿前面三课的 Agent 本质是「全科大夫」：搜索、算数、写文案、查数据库，全塞给它一个。任务简单时挺顺，一上量就露三种病： 工具一多就选错。一个 Agent 挂上二三十个工具，让它挑对工具，跟让食堂阿姨同时背二十个菜价一样不靠谱； 上下文光速爆炸。每调一次工具，中间结果全进同一份对话历史，几十轮跑下来，光「过程记录」就把上下文塞满了； prompt 越写越长。为了让一个 Agent 啥都会，system prompt 只能一路加料，最后长得连模型自己都抓不住重点。 多智能体（Multi-Agent）就是来治这个的：把「全科大夫」拆成几个「专科医生」，每人只精一件事；再请一个「老板」Agent 负责派活、盯进度、验收成果。 这个「老板」，就是今天的主角 —— Supervisor。 二、Supervisor 模式：一个老板，管一队专家Sup...

生命不息，折腾不止。前两课把 Agent 画出来、装上了长期记忆，今天把它从「本地 run 一下」升级成「对外提供一个标准 HTTP API」，真正离上线就差最后一步。 一、为什么不直接把脚本 run 起来，非要打包成 API还在上一课那种「写个 graph.invoke() 自己跑」的阶段，Agent 只能伺候你一个人；打包成 API 之后，前端页面、后端服务、定时任务、飞书机器人、甚至另一个 Agent，都能用一个 HTTP 请求把它调起来。 更关键的是，LangGraph 打包后自带一套标准 REST 接口，把多轮会话、长任务、人审这些「上线才碰到」的脏活都替你兜住了： threads（会话）：同一串对话走一个 thread，多轮上下文不丢； runs + checkpoint（运行/断点）：第一课讲的 checkpoint 在这里变成「跑一半断了，还能接着跑」； background runs（后台运行）：长任务丢后台，轮询拿结果，不用一直占着连接。 一句话概括：把「能聊的脚本」变成「能接进业务的服务」。 二、认识 LangGraph 的命令行「五件套」...

生命不息，折腾不止。上一篇画出了第一张图、接上了工具，还用 checkpoint 记住了「这次聊到哪」——但那只是短期记忆，进程一重启、换个会话就全忘。今天给它装上真正的长期记忆，让 Agent 隔天回来还认得你是谁。 上一篇结尾我留了个尾巴：checkpoint 只能记住「当前这一条会话」，换个 thread_id 就翻脸不认人。这不叫记忆，顶多算「金鱼式记忆」。真正的记忆系统得能跨会话、跨天、跨重启地记住「这个用户到底是谁、之前说过什么」。 这就是今天的主角——LangGraph 的 Store。它和 checkpointer 是两套东西，配合起来才是完整的记忆：一个管「这次聊到哪」，一个管「我都了解这个人什么」。 一、先分清两件事：短期记忆 vs 长期记忆很多教程把这两件事揉在一起讲，越讲越晕。先甩一张表把它们掰开： 短期记忆（Checkpointer） 长期记忆（Store） 存的是什么 这条会话里每一步的完整状态快照 你主动挑出来、想长期留存的「事实」 作用范围 单个 thread_id，换线程就隔离 全局的，跨线程、跨会话都能读 回答的问题 ...

生命不息，折腾不止。上一篇把框架摆上台比完了，结论是「要上生产选 LangGraph」——那这篇就真开干，从 State / Node / Edge 三个词开始，带你把第一张 Agent 图画出来。 上一篇的选型表里我说过，LangGraph 是生产队的「耐久」担当，核心卖点两个：断点续跑和人审门禁。但它的代价也写得明明白白——概念重，你得先接受 state / node / edge 这套心智模型。 今天就专门把这层窗户纸捅破。不堆术语，就用一个能跑起来的例子，带你干四件事：看懂 State / Node / Edge 这仨词；画一张没工具的「空图」；给它接上一个会调工具的 Agent；最后加上断点续跑和人审门。全程代码你复制下来就能跑。 （先声明一下版本：LangGraph 在 2025 年 10 月发了 1.0，现在最新是 1.1.x。网上 2024 年的老教程里 MemorySaver、ToolExecutor 这些写法在 1.x 已经改名/删了，照着抄会报错。这篇按 1.x 的新 API 写，具体...

生命不息，折腾不止。搞 Agent 之前先把框架选对，能帮你少踩三个月的坑。 一、先说结论：别管热度，先问自己三个问题市面上聊 Agent 框架，动辄就是「谁 star 涨得快」「谁融资多」，那都是噪音。选框架这事，本质上只跟三个问题有关，把这仨答了，答案基本就自己浮出来： 你写不写代码？ 会写 Python、能看懂 async/await，和只会在浏览器里点来点去，是两个世界。 你的活是「改代码动文件」，还是「跑业务流程」？ 前者是编码 Agent 的天下，后者要的是编排。 断了能不能重来？ 一个跑了俩小时、在第 17 步崩掉的任务，是重头再跑，还是从第 17 步接着跑？这在生产里是天壤之别。 把这三个问题记在心里，往下看每一个框架的时候拿它去套，比背参数管用。 二、三巨头逐个体检先说说框架江湖到 2026 年 9 月长什么样。主流玩家分三层：一层是大厂自家的 SDK（OpenAI Agent SDK、Claude Agent SDK、Google ADK），一层是编排框架（LangGraph、微软 MAF、CrewAI），再一层是剑走偏锋的（smolagents、Ma...

生命不息，折腾不止。每天重复抄的那段提示词，敲一次 /commit 就替你展开——这就是这最后一篇要还给你的「第三个零件」。 前面两篇，我们把 Claude Code 的三件套凑齐了俩：Subagents 管「并行拆活」，Skills 管「复用流程」。今天就差最后一块、也是最轻的一块——Slash Commands（斜杠命令）。它本质上就是一个「存起来的提示词」，你在输入框敲 /名字，Claude 就把文件里的整段话顶上去替你跑。 这一篇不堆术语，就带你干三件事：手写一个能接参数的 /commit；搞懂 $0 $1 这个坑过无数人的标号；最后把 slash 命令和 skills 的搭配关系彻底说清，串成你自己的完整工作流。 （前提：Claude Code 得先能用。要跑 Anthropic 的 Claude 得有个 Key 或订阅；不想绑卡的，中转站 ai.aklibk.com 国内直连、人民币按量付费，接 Claude Code 兼容接口即可，这个前面讲过了不多说。） 一、斜杠命令到底是个啥：一行 / 触发的提示词先分两类，别混一起。 内置命令是写死在 CLI 里的、不经过...

生命不息，折腾不止。CLAUDE.md 塞不下的操作流程，交给 Skills 按需加载——平时零成本，想用就 / 一声。 一、Skills 到底是啥：一张「用的时候才读」的技能卡上一篇文章我们把大任务拆给了 Subagents 并行小队。但还有一种尴尬场景 Subagents 救不了：你手里攥着几段「规矩」——比如「提交信息必须走 Conventional Commit 格式」「发布前要跑哪几个检查」——它们不是独立任务，而是散落在主对话里的操作规范。写进 CLAUDE.md？每一条都常驻上下文，白占 token；贴在便签里？每次要干活都得重新贴一遍。 Skills 就是为这个场景生的。 一个 Skill 的物理形态简单到离谱：一个文件夹，里面一个 SKILL.md。上半段 YAML frontmatter 写「我是谁、什么时候用我」，下半段 Markdown 写「真用到我的时候该怎么做」。没有安装器、没有构建步骤、没有注册表——把文件夹放进对的位置，Claude Code 就能用了。 它真正值钱的地方在**渐进式披露（Progressive Disclosure）**这套机...

生命不息，折腾不止。这篇带你真正动手给 DeepSeek Harness 写第一个插件——从空文件一路写到「模型能点你写的工具」，看完你会明白「一切皆插件」到底是怎么一回事。 前面几篇我们把 DeepSeek Harness（简称 dsh）装起来、接上了中转站，模型能跑、工具能用。但那都是别人的插件。今天兑现一句早就埋下的伏笔：自己写一个插件。 dsh 这套框架最有意思的地方，就是那句「Everything is a Plugin」——工具是插件、模型适配器是插件、连 agent 循环本身都是插件。理解了「插件」怎么写，你就拿到了整个框架的万能钥匙。下面跟着我一步步来，全程不用 API Key，五分钟就能跑通。 一、先把概念捋顺：插件到底是个啥dsh 底层的插件框架叫 Cordis。在 Cordis 眼里，一个插件最核心的就是一个导出函数 apply，它接收一个上下文对象（ctx）。插件通过这个 ctx 把自己贡献的所有东西注册进去。 三种插件形态，从简到繁： 1234567891011121314151617import { Service, type Conte...

生命不息，折腾不止。上一篇把 Claude Code 装进了终端，这一篇上硬菜：用 Subagents 把一个大任务拆给一支并行小队，主对话坐收渔利。 一、Subagents 到底是啥：主对话的「分身术」上一篇说过，Claude Code 干活时读文件、跑命令、看日志，全堆在同一个上下文窗口里。任务一大，窗口很快被塞满，它就开始「失忆」——前面看过的关键信息被挤出去，干活质量直线下滑。 Subagents（子代理）就是解法：给 Claude 开「分身」。每个子代理有自己独立的上下文窗口，干完活只把一句总结送回主对话。主对话永远清爽，那些中间过程——跑测试的几百行日志、搜代码的几十个文件内容——全部留在子代理自己的窗口里，用完即弃。 官方说法更直接：当一个辅助任务会用搜索结果、日志或文件内容「充斥」你的主对话、而这些内容你以后不会再引用时，就该丢给子代理。 它还能顺手干三件事： 强制约束：只给子代理 Read 权限，它就永远改不了文件； 专门化：每个子代理配一套专属系统提示，审代码的、写文档的、跑测试的，各司其职； 控成本：把不重要的活路由到更便宜的模型（比如 Haiku），...

生命不息，折腾不止。DeepSeek Harness 系列收工了，今天开新坑——Claude Code。这一篇不讲花活，就干一件事：把它装好，再把它塞进管道和脚本，变成一个能替你干活的命令行搭子。 一、Claude Code 到底是个啥（一句话版）Claude Code 是 Anthropic 官方的终端 AI 编程工具。它不像网页版那样只能聊天，而是直接住在你的终端里：能读你的代码库、改文件、跑命令、执行 git 操作，全程你可以盯着它每一步、随时叫停。 把它理解成一个「住进 shell 的 AI 搭子」就够了。你要做的不是学会它，而是学会指挥它——这正是这个系列要折腾的事。 二、安装与登录：三分钟开跑前提：装好 Node.js（18 以上）。然后一条命令： 1npm install -g @anthropic-ai/claude-code 进到你的项目目录，直接敲： 12cd your-projectclaude 首次运行会提示登录。这里插一句：国内直连和绑卡的门槛，之前那篇《Claude Code 国内配置教程》已经讲透了，用中转站一步到位（国内直连、免绑卡、人民币...