【读Gemini CLI源码，品Agent架构设计】系列文章（一） —— Agent Loop设计与实现
「写给读者的话」本系列文章记录了笔者在学习 Gemini CLI 源码过程中的点点滴滴，更多从代码实现细节中学习如何设计一个优秀的代码 Agent，希望对大家有帮助。 阅读导读：带着这些问题来读，或许
26
2026-02-26
「写给读者的话」本系列文章记录了笔者在学习 Gemini CLI 源码过程中的点点滴滴，更多从代码实现细节中学习如何设计一个优秀的代码 Agent，希望对大家有帮助。 阅读导读：带着这些问题来读，或许
本文跟踪2023-2025年的大模型评测发展动态，提炼出其核心要素和方法。并结合货运行业特性，以及真实业务沉淀出最佳评测体系。该体系已在邀约、客服等多条业务线落地，显著加速了AI能力在公司的规模化应用
在落地可逆计算理论和Nop平台的过程中，我反复观察到一种现象：一些核心设计思想，程序员听完之后觉得“确实有道理”，但他们事前绝不会自己想到。 这种“想不到”不是因为智力不够或知识不足，而是因为日常编程
昨晚，我开始在我的一台空白服务器上部署openclaw，还对接了QQ去执行我的指令，大模型我选用的kimi 2.5进行思考。
OpenClaw Memory 模块完整分析 一、项目背景 OpenClaw 是一个本地优先的个人 AI 助手，支持多种消息通道（WhatsApp、Telegram、Slack 等）。Memory 模
深入解读 MyCodeAgent，一个面向学习与实验的代码代理框架，聚焦工具协议、上下文工程、子代理与可观测性，让「Agent 能做什么」与「为什么能做」都可追溯、可验证、可扩展
大模型微调技术全景解析：从LoRA到RLHF的演进之路 1. 引言：为什么要微调大模型？ 大语言模型（LLM）虽然在海量数据上进行了预训练，具备了强大的通用能力，但在特定领域或任务上往往表现平平。微调
在使用 AI Agent 开发复杂任务（如代码重构、长篇写作）时，最头疼的就是“断档”。一旦程序崩溃或需要分阶段执行，AI 往往会丢失之前的上下文。 Anthropic 发布的 Claude Agen
目前AI编程的痛点是：项目一大就缺上下文，靠贴代码+字符串搜索定位不准，改动容易牵一发动全身。而Serena作为一个工具包，通过MCP给AI配上IDE级工具，能让模型能在真实代码里更稳地定位与改代码。
任何时代都会有技术的发展，历史课本里面讲述第一次工业革命，仅仅是一段文字就概括了一个时代的变迁。 在这两年，人工智能的发展，逐渐从历史的阅览者。
从Token预测说起 大语言模型的核心工作原理非常简单：给定前面的0到n个Token，预测第n+1个Token是什么。 举个例子： 输入："今天天气" 模型需要预测下一个词可能是："很好"、"不错"、
学习通是常用的学习工具，可以随时进行学习，找到你需要的资源，跨平台就能在线学习，了解学习的进度，但是很多小伙伴找不到入口在哪，下面就分享给大家。学习通网页版登录
点击阅读
