AI 交易智能体实战：行情监控、策略回测、风险控制与人工确认闭环
AI 交易智能体实战：系统拆解 AI 交易智能体的生产级设计方法，覆盖行情监控、新闻与公告解析、技术信号、策略回测、风险控制、仓位限制、模拟盘验证、人工确认、交易日志和复盘指标，帮助开发者构建可控的交易辅助系统，而不是盲目自动下单。
AI Agent 全栈指南 2026：从架构、工具调用到评估部署的生产化路线图
AI Agent 全栈指南 2026：系统梳理 2026 年 AI Agent 的生产化构建路线，覆盖智能体架构、任务规划、工具调用、记忆系统、RAG、多智能体、可观测性、评估体系、部署架构与 SaaS 化，帮助开发者从 Demo 走向可上线的 Agent系统。
MCP vs A2A vs Function Calling：AI Agent 协议选型与系统集成指南
MCP vs A2A vs Function Calling：深度拆解 MCP、A2A、Function Calling 与 Agent Handoff 的架构边界，分析它们在工具调用、上下文接入、多智能体协作、跨系统互操作、权限控制和生产部署中的适用场景，帮助开发者选择合适的 AI Agent 协议方案。
AI Agent vs Workflow Automation：为什么 AI 智能体将取代传统 RPA？
AI Agent vs Workflow Automation：深度解析 AI 智能体与传统 RPA 的架构差异、性能对比和应用场景，带你穿透确定性有限自动机与马尔可夫决策过程的技术分水岭。
GitHub Issue Triage Agent 实战：Issue 分类、重复检测、优先级与 Owner 分派闭环
GitHub Issue Triage Agent 实战：用 Issue Forms、标签体系、重复检测、复现信息检查、优先级和 CODEOWNERS 辅助分类与 Owner 推荐，并保留关闭、分派和高风险标签的人工确认。
AI 研究智能体实战：论文检索、证据抽取、引用审计与研究知识库闭环
AI 研究智能体实战：系统拆解 AI 研究智能体的生产级设计方法，覆盖 arXiv / Semantic Scholar / Google Scholar 检索、论文筛选、摘要解析、方法与实验抽取、claim 审计、引用验证、研究假设生成、人工复核和知识库沉淀，帮助团队构建可信的研究自动化系统。
AI Agent 记忆系统实现：解决智能体“断片”的 3 层架构与实战代码
AI Agent 记忆系统实现：AI Agent 记忆系统实战。对比向量数据库与图数据库在长期记忆存储中的表现。本文进一步说明先给结论：Agent 记忆系统要分清“上下文、事实、状态”、本文解决的问题：Query 意图锁定。
AI 内容运营工作流实战：选题校验、SEO/GEO 结构化与人工质检闭环
AI 内容运营工作流实战：系统拆解 AI 内容运营工作流的生产级设计方法，覆盖选题库存校验、原创素材收集、关键词聚类、SEO 标题与 TDK、GEO 结构化数据、事实核查、人工编辑、发布复盘与内容质量评估，避免低质量批量生成内容。
AI 邮件智能体生产化实战：收件箱摘要、优先级判断、草稿回复与发送审批
AI 邮件智能体生产化实战：系统拆解 AI 邮件智能体的生产化设计方法，覆盖邮件摘要、优先级判断、任务提取、智能草稿、日程识别、附件处理、发送前审批、权限控制、日志审计与评估指标，帮助开发者构建可控的收件箱自动化系统。
AI Agent Evaluation 实战：任务成功率、工具调用、失败恢复与回归测试体系
AI Agent Evaluation 实战：系统拆解 AI Agent Evaluation 的生产级评估体系，覆盖任务成功率、工具调用准确性、规划质量、状态一致性、失败恢复、成本延迟、人工复核、回归测试和线上监控，帮助开发者量化智能体系统质量。
AI Agent 数据分析实战教程：构建自动化金融研报与决策系统
AI Agent 数据分析实战教程：详细讲解 AI 智能体在数据分析中的工程应用，包括自动分析流程、工具调用、安全沙箱和实际案例，揭示如何利用智能体实现可审计的数据分析闭环。
AI Agent Observability 实战：Trace、Tool Call、状态、成本与质量监控体系
AI Agent Observability 实战：系统拆解 AI Agent Observability 的生产级设计方法，覆盖 Trace、Step、Tool Call、State、Prompt Version、Model Call、RAG 引用、Memory、成本延迟、错误分类、评估指标、告警与事故复盘，帮助开发者打开智能体执行黑盒。
Multi-Agent Planning 实战：任务拆解、动态路由、死锁与状态交接
Multi-Agent Planning 实战：多智能体协作中的 Planning 策略深度解析。对比顺序执行、并行协作与自适应编排在复杂业务场景下的优劣。
AutoGen 实战教程：AgentChat、Teams、Termination 与 v0.2 迁移边界
AutoGen 当前怎么用？本文按 AgentChat/Core/Extensions 分层讲解 AssistantAgent、RoundRobinGroupChat、SelectorGroupChat、Termination Conditions、UserProxyAgent、状态恢复与 v0.2 迁移边界。
LangChain v1 实战：用 create_agent、Middleware、Memory 与 HITL 构建 Agent
LangChain v1 Agent 怎么做？本文按当前 create_agent 主线拆解工具调用、Middleware、短期记忆、Runtime Context、Human-in-the-loop 与 LangGraph 持久化边界，替代旧 AgentExecutor 教程。
AI Agent Memory vs RAG：长期记忆、会话状态、Checkpoint 和知识库到底怎么分？
AI Agent Memory、RAG、Session State、Checkpoint 和 Knowledge Base 经常被混为一谈。本文从数据来源、写入者、生命周期、作用域、检索方式、删除与权限边界拆解生产级 Agent Memory，并给出可落地的数据分层与决策表。
AI Agent Deployment 实战：任务队列、状态持久化、模型路由与高并发部署
AI Agent Deployment 实战：系统拆解 AI Agent Deployment 的生产级架构设计，覆盖 API Gateway、任务队列、Worker、状态持久化、Checkpoint、模型路由、工具隔离、限流、灰度发布、回滚、成本控制与监控告警，帮助开发者把 Agent 从 Demo 部署到可运行的生产系统。
AI Agent 框架怎么选（2026）：LangGraph、AI SDK 7、Google ADK 与 Microsoft Agent Framework 对比
2026 AI Agent 框架选型：比较 LangGraph、Google ADK 2.x、AI SDK 7 与 Microsoft Agent Framework 的状态持久化、Durable Execution、HITL、Workflow/Harness、语言栈、托管和恢复边界，并补充 ADK 2.7.0 A2A Resume 实测风险。
AI Agents 与未来工作 (2026)：从工具到数字伙伴的演进实战/深度对比
AI Agents 与未来工作（2026）：分析自主智能体如何改变岗位分工、个人生产力和人机协作，比较工具型 Agent、数字员工与个人数字主权，并讨论开发者的能力升级路径。
AI Agent Planning 实战：任务拆解、计划校验、重规划与失败恢复
AI Agent Planning 实战：系统拆解 AI Agent Planning 的生产级设计方法，覆盖任务拆解、计划生成、工具选择、执行循环、计划校验、重规划、循环控制、失败恢复与评估指标，帮助开发者构建更稳定的智能体执行系统。
AI Agent RAG 实战：私域知识检索、工具调用、权限过滤与引用审计
AI Agent RAG 实战：系统拆解 AI Agent RAG 的生产级集成架构，覆盖私域知识接入、检索策略、权限过滤、上下文构建、Tool Use 联动、状态记忆、引用审计、失败恢复与评估指标，帮助开发者构建可控的知识增强智能体系统。
AI Agent SaaS 架构实战：多租户、额度计费、任务队列与成本控制
AI Agent SaaS 架构实战：系统拆解 AI Agent SaaS 的生产级架构设计，覆盖多租户隔离、用户额度、订阅计费、任务队列、工具权限、成本控制、日志审计、失败重试与平台化能力，帮助开发者把 Agent Demo 改造成可收费的 SaaS 服务。
AI Agent 安全怎么做？Prompt Injection、MCP、Memory 与 Tool 权限完整指南
AI Agent 安全不能只防 Prompt Injection。本文结合 OWASP Agentic Top 10、Agent Control Standard、NIST 与 MCP 官方资料，系统拆解 Tool/MCP 权限、Memory Poisoning、Identity、Sandbox、HITL、Runtime Control、审计、对抗测试与上线检查清单。
AI Agent Tool Use 实战：工具注册、权限控制、参数校验与调用审计
AI Agent Tool Use 实战：系统拆解 AI Agent Tool Use 的生产级设计方法，覆盖工具注册、Function Schema、参数校验、权限控制、风险分级、Tool Router、失败重试、调用审计与可观测性，帮助开发者构建安全可靠的智能体工具调用系统。
LangGraph 实战：用状态机、Checkpoint 与 Human-in-the-loop 控制 Agent 工作流
LangGraph 实战：系统拆解 LangGraph 在生产级 AI Agent 工作流中的设计方法，覆盖状态机建模、节点拆分、条件路由、Checkpoint、Interrupt、Human-in-the-loop、失败恢复与可观测性，帮助开发者构建不跑偏、可回滚、可审计的 Agent 工作流。
AI Email Routing Agent 怎么做？意图识别、优先级与工单分发
AI Email Routing Agent 怎么做？本文拆解邮件清洗、多意图识别、客户身份、SLA 优先级、工单分发、人工兜底、误分流复盘与评估指标。
MCP 2026-07-28 协议边界：Client、Server、Tools、Resources 与 Streamable HTTP
MCP 2026-07-28 协议边界指南：解释 stateless core、server/discover、Streamable HTTP、MRTR、Tasks extension、Tools/Resources/Prompts，以及 Roots、Sampling、Logging 和 legacy HTTP+SSE 的弃用边界。
Multi-Agent Systems 实战：多智能体协作系统的架构边界、状态交接与失败控制
Multi-Agent Systems 实战：系统拆解 Multi-Agent Systems 的生产级架构设计，覆盖 Supervisor-Worker、Planner-Executor、Critic-Reviewer、Agent Handoff、状态交接、失败传播、评估指标与可观测性，帮助开发者判断什么时候该用多智能体，什么时候不该用。
关岭冰臼 48 小时：它不是滤镜里的秘境，是一条要小心走的亲水峡谷路线
关岭冰臼 48 小时：关岭冰臼适合被写成“贵州玩水秘境”，但真正值得记录的是峡谷里的石头、水声、湿滑路面、停车和下撤判断。本文以亲水路线的方式复盘一次 48 小时离线出行。
从空想到现实：我一个人把 XBSTACK 做上线后的复盘
从空想到现实：一篇 XBSTACK Thinking 心法文章：复盘个人网站从想法到上线的真实过程，包括域名、架构、内容、SEO、工具页、后台、站外分发和后续 App 计划。核心不是励志，而是验证“想，全是问题；做，才有答案”。
Hermes Agent 深度解析：自愈记忆堆栈与长期一致性架构
Hermes Agent 深度解析：深度解析 Hermes Agent 的自愈记忆堆栈、语义搜索优化与动态推理机制，探索 2026 年自主 AI 智能体如何实现长期一致性。
2026 AI Agent 开发手册：协议选型、工具调用、状态管理与多智能体落地清单
2026 AI Agent 开发手册：面向开发者系统梳理 2026 年 AI Agent 项目落地方法，覆盖协议选型、MCP、Function Calling、Tool Use、Memory、RAG、多智能体协作、状态管理、评估、部署和生产化检查清单，帮助团队从 Demo 走向可上线系统。
AI Workflow 实战：如何用 Cursor + Claude 构建 Lighthouse 满分站点
AI Workflow 实战：Astro 5.0 性能巅峰实战：如何实现 Lighthouse 移动端全满分？涵盖图片优化、字体预加载与脚本延迟加载策略。
AI Agent 和 AI Assistant 有什么区别？架构、工具、状态与选型
AI Agent 和 AI Assistant 有什么区别？本文从执行责任、工具权限、状态持久化、失败恢复、人工审批和外部副作用对比两种产品形态，并给出问答、辅助工作与自动化任务的选型边界。
户外攀登视频：别只拍热血，真正重要的是脚下那一步
户外攀登视频复盘：从拍摄者和参与者视角记录路线选择、保护系统、脚点手点与风险意识，避免只剩热血剪辑。本文进一步说明我希望拍到什么、户外视频不是证明自己。
毕棚沟森林：别急着拍照，先听一会儿水声
毕棚沟森林：毕棚沟原始森林最打动人的不是打卡点，而是冷杉、溪水、湿冷空气和慢慢变安静的身体。本文以真实徒步体感记录森林路线的节奏、装备和拍照方式。
OpenClaw 安全沙箱架构：构建基于 MCP 协议的物理隔离 Agent
OpenClaw 安全沙箱架构：深度拆解 OpenClaw 核心架构，详解如何利用 MCP 协议与 eBPF 沙箱实现 Agent 执行环境的读写分离与零信任安全审计。
自托管 AI 工作流基础设施清单：NAS、VPS、Docker、Tailscale 与 n8n 部署方案
自托管 AI 工作流基础设施清单：2026 年自托管 AI 自动化基础设施构建指南。拆解 NAS 存储、VPS 公网入口、Docker 容器编排、Tailscale 私有网络和 n8n 生产部署如何协同工作。
2026 全栈生产力装机指南：构建主权个体的硬核工具矩阵
2026 全栈生产力装机指南：全栈生产力系统 2026 选型报告。本文深度拆解小白的硬核装机清单，揭秘如何通过 HHKB、自研 NAS 与离线算力构筑不依赖云端的生存基石。
哈巴雪山 5396 米：缺氧以后，人会变得很诚实
哈巴雪山 5396 米不是一串海拔数字。对长期坐在电脑前的程序员来说，它更像一次身体压力测试：缺氧、冷风、雪线、碎石坡、补给和是否下撤，都比热血口号更重要。
HHKB 深度测评：2026 程序员的终极生产力契约
HHKB 深度测评：2026 年，如果你还在追求花哨的 RGB 和复杂的轴体，说明你还没理解代码的“复利”本质。小白深度拆解 HHKB Professional Hybrid Type-S。这不是一篇普通的开箱文，这是一份关于生产力优化、静电容逻辑以...
Gemini 3 与 MCP 协议实战：构建本地 AI 财报审计系统的物理指南
Gemini 3 与 MCP 财报审计架构：使用只读 MCP Server 访问本地财报，解释长上下文与 RAG 的边界，并设计权限、证据、性能与财务复核验收。
AI 时代重读《黑客与画家》：全栈开发者的资产化生存逻辑
AI 时代重读《黑客与画家》：从问题选择、产品品味、快速迭代、代码杠杆与长期所有权，重新理解独立开发者在 AI 时代仍然不可替代的创造价值。
查理·芒格投资哲学：格栅思维、跨学科审计与工程师决策系统
重读《穷查理宝典》：把多元思维模型、逆向思考、激励机制、反证条件和能力圈转成可执行的投资与决策复盘规则，并用来检查过度自信与单一模型偏差。
《伟大的博弈》重读：从华尔街兴衰看 AI 泡沫与数字资产
《伟大的博弈》读书笔记：从华尔街三百年兴衰理解金融泡沫、技术叙事和资本周期，并对照 2026 年 AI 浪潮与数字资产市场，提炼可用于投资判断的历史规律。
2026 AI 开发教程：MoltBot (ClawdBot) 从入门到生产级安全加固
2026 AI 开发教程：深入拆解 MoltBot (原 ClawdBot) 的部署逻辑、安全漏洞与自动化防御策略。本文基于贵阳服务器机房的实战数据，为你揭示 AI Agent 在执行权限开放后的物理越权风险。
纳瓦尔宝典实验：2026 程序员如何利用代码与媒体杠杆实现阶层跃迁
纳瓦尔宝典实验：阅读实践复盘：带着问题读纳瓦尔，把杠杆观点放进现实行动验证结果，并记录下次判断规则。本文进一步说明本文解决的问题：Query 意图锁定、Xiaobai's Note。
重庆夜景摄影复盘：洪崖洞、嘉陵江和雾气里的冷暖色温
重庆夜景摄影复盘：记录洪崖洞与嘉陵江沿岸的机位选择、雾气影响、冷暖色温控制和高反差场景曝光方法。本文进一步说明先找高度，不要急着按快门、冷暖色温是重庆夜景的主线。
