<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>HUA</title>
    <link>https://huajw.xyz/</link>
    <description>A blog site built with Qwik and UnoCSS</description>
    <language>zh-CN</language>
    <lastBuildDate>Thu, 10 Sep 2026 04:26:41 GMT</lastBuildDate>
    <atom:link href="https://huajw.xyz/rss.xml" rel="self" type="application/rss+xml" />
    <item>
      <title><![CDATA[Deep Agents 01：何为 Agent Harness，以及如何开始]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/Deep%20Agents%2001%EF%BC%9A%E4%BD%95%E4%B8%BA%20Agent%20Harness%EF%BC%8C%E4%BB%A5%E5%8F%8A%E5%A6%82%E4%BD%95%E5%BC%80%E5%A7%8B</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/Deep%20Agents%2001%EF%BC%9A%E4%BD%95%E4%B8%BA%20Agent%20Harness%EF%BC%8C%E4%BB%A5%E5%8F%8A%E5%A6%82%E4%BD%95%E5%BC%80%E5%A7%8B</guid>
      <description><![CDATA[1、本篇任务：完成一份多步骤、带证据的技术调研 普通客服 Agent 的问题短、工具少、输出即时。技术调研或编码任务会持续很久，产生计划、搜索结果、文件和中间结论。Deep Agents 在 LangChain/LangGraph 之上预装规划、虚拟文件系统、上下文压缩和子 Agent，适合这类开放任务。 本课让 Agent 比较两种向量数据库，并交付一份可验证报告。 2、什么时候需要 Deep Agent 满足以下两项以上再考虑：任务...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[Deep Agents 02：子 Agent、虚拟文件系统与长期记忆]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/Deep%20Agents%2002%EF%BC%9A%E5%AD%90%20Agent%E3%80%81%E8%99%9A%E6%8B%9F%E6%96%87%E4%BB%B6%E7%B3%BB%E7%BB%9F%E4%B8%8E%E9%95%BF%E6%9C%9F%E8%AE%B0%E5%BF%86</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/Deep%20Agents%2002%EF%BC%9A%E5%AD%90%20Agent%E3%80%81%E8%99%9A%E6%8B%9F%E6%96%87%E4%BB%B6%E7%B3%BB%E7%BB%9F%E4%B8%8E%E9%95%BF%E6%9C%9F%E8%AE%B0%E5%BF%86</guid>
      <description><![CDATA[1、本篇任务：让主管只看结论，让子 Agent 处理细节 技术调研会产生几十次搜索和大量文件。如果全部进入主管上下文，真正的目标会被噪音淹没。本课用两个子 Agent： 收集证据， 检查结论；主管负责计划与最终合成。 2、什么时候委派，什么时候直接调用工具 适合委派：子任务有多步；需要专门提示或工具；会产生大量中间结果；只需返回有限结论。不适合：一步查询；主管需要全部中间上下文；协调成本超过任务本身。 3、配置专门子 Agent Pyt...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[Deep Agents 03：生产化、Sandbox、权限与上线验收]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/Deep%20Agents%2003%EF%BC%9A%E7%94%9F%E4%BA%A7%E5%8C%96%E3%80%81Sandbox%E3%80%81%E6%9D%83%E9%99%90%E4%B8%8E%E4%B8%8A%E7%BA%BF%E9%AA%8C%E6%94%B6</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/Deep%20Agents%2003%EF%BC%9A%E7%94%9F%E4%BA%A7%E5%8C%96%E3%80%81Sandbox%E3%80%81%E6%9D%83%E9%99%90%E4%B8%8E%E4%B8%8A%E7%BA%BF%E9%AA%8C%E6%94%B6</guid>
      <description><![CDATA[1、本篇任务：让 Deep Agent 在隔离环境中分析代码 只读研究 Agent 风险有限；编码 Agent 需要读写文件、安装依赖和执行测试。本课不讲如何让模型写更漂亮的代码，只讲执行环境、权限、恢复和上线验收。 2、先做威胁模型 资产包括源代码、用户文件、云凭证、生产网络和发布权限；攻击入口包括用户消息、仓库内容、网页、依赖包、MCP 返回和命令输出。 Prompt injection 不是靠一句 system prompt 解决...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangChain 01：全景、原理与学习路线]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2001%EF%BC%9A%E5%85%A8%E6%99%AF%E3%80%81%E5%8E%9F%E7%90%86%E4%B8%8E%E5%AD%A6%E4%B9%A0%E8%B7%AF%E7%BA%BF</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2001%EF%BC%9A%E5%85%A8%E6%99%AF%E3%80%81%E5%8E%9F%E7%90%86%E4%B8%8E%E5%AD%A6%E4%B9%A0%E8%B7%AF%E7%BA%BF</guid>
      <description><![CDATA[1、本篇学完要得到什么 这一篇只解决三个问题：LangChain 到底负责什么；它与 LangGraph、Deep Agents、LangSmith 是什么关系；后面应按什么顺序学习。 贯穿整套课程的项目是“退款政策与订单助手”。它最终能够：回答知识库中的退款规则；查询当前用户的订单；生成结构化答复；对真正的退款操作进行人工审批；断线后恢复；通过评测后发布。 先记住一句话： 模型负责理解与生成，应用负责数据、权限、状态和副作用。 如果把...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangChain 02：模型、消息与结构化输出]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2002%EF%BC%9A%E6%A8%A1%E5%9E%8B%E3%80%81%E6%B6%88%E6%81%AF%E4%B8%8E%E7%BB%93%E6%9E%84%E5%8C%96%E8%BE%93%E5%87%BA</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2002%EF%BC%9A%E6%A8%A1%E5%9E%8B%E3%80%81%E6%B6%88%E6%81%AF%E4%B8%8E%E7%BB%93%E6%9E%84%E5%8C%96%E8%BE%93%E5%87%BA</guid>
      <description><![CDATA[1、本篇任务：让模型输出成为程序可以依赖的合同 上一课只证明 Agent 能运行。本课暂时不接业务工具，只完成一个“客服分诊器”：输入用户问题，输出意图、紧急程度、是否需要人工和给用户的答复。 本课的核心不是学更多模型参数，而是理解三层合同：消息决定模型看到了什么；schema 决定程序期待什么；业务校验决定结果是否真的可用。 2、消息不是一段字符串，而是一条执行记录 一次工具型对话通常包含四种消息： | 类型 | 由谁产生 | 作用...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangChain 03：工具与 Agent——从函数到可控行动]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2003%EF%BC%9A%E5%B7%A5%E5%85%B7%E4%B8%8E%20Agent%E2%80%94%E2%80%94%E4%BB%8E%E5%87%BD%E6%95%B0%E5%88%B0%E5%8F%AF%E6%8E%A7%E8%A1%8C%E5%8A%A8</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2003%EF%BC%9A%E5%B7%A5%E5%85%B7%E4%B8%8E%20Agent%E2%80%94%E2%80%94%E4%BB%8E%E5%87%BD%E6%95%B0%E5%88%B0%E5%8F%AF%E6%8E%A7%E8%A1%8C%E5%8A%A8</guid>
      <description><![CDATA[1、本篇任务：让 Agent 安全地读取订单 上一课得到结构化分诊结果，但模型不知道真实订单。本课增加一个只读工具 ，走通完整 Agent 循环，并把模型、工具包装和领域服务的责任分开。 完成后，用户问“我的 A100 发货了吗”，Agent 会选择工具；工具只按当前登录用户查询；模型基于工具结果回答。它仍然不能退款，因为我们没有提供写工具。 2、工具的本质是受 schema 约束的应用函数 一个好工具需要：稳定名称、清楚描述、窄输入...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangChain 04：RAG 知识库实战（Python + TypeScript）]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2004%EF%BC%9ARAG%20%E7%9F%A5%E8%AF%86%E5%BA%93%E5%AE%9E%E6%88%98%EF%BC%88Python%20%2B%20TypeScript%EF%BC%89</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2004%EF%BC%9ARAG%20%E7%9F%A5%E8%AF%86%E5%BA%93%E5%AE%9E%E6%88%98%EF%BC%88Python%20%2B%20TypeScript%EF%BC%89</guid>
      <description><![CDATA[1、本篇任务：回答退款政策，并且能指出证据 上一课的订单工具能查询业务事实，却不知道政策文本。本课构建一条完整 RAG：离线索引政策文档；在线检索相关片段；只依据证据回答；证据不足时拒答。 RAG 不是“向量数据库 + 大模型”两个词。它有两条独立管线：索引管线决定知识怎样进入系统；查询管线决定问题怎样找到证据。任何一条出错，最终回答都会错。 2、先定义文档与 chunk 合同 每个 chunk 至少保存： 引用依赖 metadata，...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangChain 05：记忆、流式、人工审批与生产治理]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2005%EF%BC%9A%E8%AE%B0%E5%BF%86%E3%80%81%E6%B5%81%E5%BC%8F%E3%80%81%E4%BA%BA%E5%B7%A5%E5%AE%A1%E6%89%B9%E4%B8%8E%E7%94%9F%E4%BA%A7%E6%B2%BB%E7%90%86</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2005%EF%BC%9A%E8%AE%B0%E5%BF%86%E3%80%81%E6%B5%81%E5%BC%8F%E3%80%81%E4%BA%BA%E5%B7%A5%E5%AE%A1%E6%89%B9%E4%B8%8E%E7%94%9F%E4%BA%A7%E6%B2%BB%E7%90%86</guid>
      <description><![CDATA[1、本篇任务：把“退款建议”变成可恢复、可审批的流程 现在我们有政策检索和订单查询。本课增加三项产品能力：同一会话记住之前的订单；运行过程实时显示；真正提交退款前暂停并等待人工决定。 这三项能力共享同一个基础： 运行状态必须在服务端持久化。 浏览器内的聊天数组不是记忆，逐 token 显示不是恢复，确认按钮也不是权限系统。 2、先区分三种状态 | 状态 | 例子 | 保存位置 | | | | | | 短期会话状态 | 消息、工具结果、当...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangChain 06：端到端项目蓝图——把知识库客服做成可上线服务]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2006%EF%BC%9A%E7%AB%AF%E5%88%B0%E7%AB%AF%E9%A1%B9%E7%9B%AE%E8%93%9D%E5%9B%BE%E2%80%94%E2%80%94%E6%8A%8A%E7%9F%A5%E8%AF%86%E5%BA%93%E5%AE%A2%E6%9C%8D%E5%81%9A%E6%88%90%E5%8F%AF%E4%B8%8A%E7%BA%BF%E6%9C%8D%E5%8A%A1</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2006%EF%BC%9A%E7%AB%AF%E5%88%B0%E7%AB%AF%E9%A1%B9%E7%9B%AE%E8%93%9D%E5%9B%BE%E2%80%94%E2%80%94%E6%8A%8A%E7%9F%A5%E8%AF%86%E5%BA%93%E5%AE%A2%E6%9C%8D%E5%81%9A%E6%88%90%E5%8F%AF%E4%B8%8A%E7%BA%BF%E6%9C%8D%E5%8A%A1</guid>
      <description><![CDATA[1、本篇任务：把前五课装成一个能维护的后端 这一篇不再介绍新概念，而是给出项目边界、目录、API 和迭代顺序。目标是把退款政策与订单助手做成可运行服务，而不是继续在 Notebook 中调用 。 2、先确定第一版做什么、不做什么 第一版支持：政策 RAG、当前用户订单查询、结构化回答、SSE 流式事件、退款草案与审批、会话恢复、trace 和最小评测。 第一版不做：多渠道、语音、自动退款、多 Agent、任意 MCP、自动学习所有用户信...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangChain 07：前端实时 Agent 界面——消息、工具、审批与会话]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2007%EF%BC%9A%E5%89%8D%E7%AB%AF%E5%AE%9E%E6%97%B6%20Agent%20%E7%95%8C%E9%9D%A2%E2%80%94%E2%80%94%E6%B6%88%E6%81%AF%E3%80%81%E5%B7%A5%E5%85%B7%E3%80%81%E5%AE%A1%E6%89%B9%E4%B8%8E%E4%BC%9A%E8%AF%9D</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2007%EF%BC%9A%E5%89%8D%E7%AB%AF%E5%AE%9E%E6%97%B6%20Agent%20%E7%95%8C%E9%9D%A2%E2%80%94%E2%80%94%E6%B6%88%E6%81%AF%E3%80%81%E5%B7%A5%E5%85%B7%E3%80%81%E5%AE%A1%E6%89%B9%E4%B8%8E%E4%BC%9A%E8%AF%9D</guid>
      <description><![CDATA[1、本篇任务：做一个能解释运行状态的 Agent 界面 前端不只是逐字显示模型答案。它必须表示会话、run、消息、工具执行和审批状态，并在刷新或断线后恢复。 后端已在上一课定义公共事件。本课只依赖该合同，不直接依赖 LangGraph 内部节点名。 2、先定义 UI 状态机 不允许从 再接收 text delta，也不允许在 时显示“操作已完成”。状态机能阻止乱序事件让界面说谎。 3、用 reducer 消费事件 sequence 去除...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangChain 08：上下文工程、Runtime 与 MCP]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2008%EF%BC%9A%E4%B8%8A%E4%B8%8B%E6%96%87%E5%B7%A5%E7%A8%8B%E3%80%81Runtime%20%E4%B8%8E%20MCP</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangChain%2008%EF%BC%9A%E4%B8%8A%E4%B8%8B%E6%96%87%E5%B7%A5%E7%A8%8B%E3%80%81Runtime%20%E4%B8%8E%20MCP</guid>
      <description><![CDATA[1、本篇任务：只在正确时刻给 Agent 正确的信息和能力 Agent 变差经常不是模型不够强，而是上下文里混入太多旧消息、无关文档、危险工具或伪造身份。本课建立上下文工程方法，并把 MCP 当作外部能力适配器接入。 2、上下文有四种来源 | 来源 | 示例 | 信任级别 | | | | | | 静态规则 | 角色、不可违反的业务边界 | 应用控制 | | Runtime context | 当前 user、tenant、role、re...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangGraph 01：图、State 与节点——从工作流原理到代码]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangGraph%2001%EF%BC%9A%E5%9B%BE%E3%80%81State%20%E4%B8%8E%E8%8A%82%E7%82%B9%E2%80%94%E2%80%94%E4%BB%8E%E5%B7%A5%E4%BD%9C%E6%B5%81%E5%8E%9F%E7%90%86%E5%88%B0%E4%BB%A3%E7%A0%81</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangGraph%2001%EF%BC%9A%E5%9B%BE%E3%80%81State%20%E4%B8%8E%E8%8A%82%E7%82%B9%E2%80%94%E2%80%94%E4%BB%8E%E5%B7%A5%E4%BD%9C%E6%B5%81%E5%8E%9F%E7%90%86%E5%88%B0%E4%BB%A3%E7%A0%81</guid>
      <description><![CDATA[1、本篇任务：把退款问答拆成显式工作流 LangChain Agent 的循环适合模型自主选择工具，但“先验证输入、再并行查订单和政策、证据不足则拒答、最后生成结果”更适合显式图。本课只学习四个概念：State、Node、Edge、Reducer。 2、图的心智模型 State 是当前运行快照；Node 是读取 state 并返回局部更新的函数；Edge 决定下一个节点；Reducer 决定多个更新怎样合并。节点可以调用模型，也可以是普...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangGraph 02：路由、循环、并发与 Command]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangGraph%2002%EF%BC%9A%E8%B7%AF%E7%94%B1%E3%80%81%E5%BE%AA%E7%8E%AF%E3%80%81%E5%B9%B6%E5%8F%91%E4%B8%8E%20Command</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangGraph%2002%EF%BC%9A%E8%B7%AF%E7%94%B1%E3%80%81%E5%BE%AA%E7%8E%AF%E3%80%81%E5%B9%B6%E5%8F%91%E4%B8%8E%20Command</guid>
      <description><![CDATA[1、本篇任务：让控制流明确、有限且可预测 上一课的图会在输入非法时继续查询。本课增加四类控制：条件路由决定走哪条边；循环允许有限重试；并发加速多个独立检索； 将状态更新与跳转绑定。 2、条件路由用于确定性业务判断 权限、金额、订单状态、重试次数等确定性条件用代码。模型只在“用户意图是什么、证据如何概括”这类语义任务中提供结构化枚举，路由函数再根据枚举跳转。 3、循环必须先写退出条件 检索不足时可以改写 query 再检索，但循环至少有四...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangGraph 03：持久化、Interrupt、恢复与时间旅行]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangGraph%2003%EF%BC%9A%E6%8C%81%E4%B9%85%E5%8C%96%E3%80%81Interrupt%E3%80%81%E6%81%A2%E5%A4%8D%E4%B8%8E%E6%97%B6%E9%97%B4%E6%97%85%E8%A1%8C</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangGraph%2003%EF%BC%9A%E6%8C%81%E4%B9%85%E5%8C%96%E3%80%81Interrupt%E3%80%81%E6%81%A2%E5%A4%8D%E4%B8%8E%E6%97%B6%E9%97%B4%E6%97%85%E8%A1%8C</guid>
      <description><![CDATA[1、本篇任务：让退款流程暂停一天后还能继续 审批可能几秒后完成，也可能第二天才处理。HTTP 请求不能一直挂着，所以图必须保存状态、结束当前请求，并在新请求中从相同 thread 恢复。 2、Checkpoint、Thread、Store 的关系 checkpointer 在每个 super step 保存 state snapshot；thread ID 把一系列 checkpoint 组织成一次持续运行；store 保存跨 thre...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangGraph 04：流式、调试与生产运行]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangGraph%2004%EF%BC%9A%E6%B5%81%E5%BC%8F%E3%80%81%E8%B0%83%E8%AF%95%E4%B8%8E%E7%94%9F%E4%BA%A7%E8%BF%90%E8%A1%8C</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangGraph%2004%EF%BC%9A%E6%B5%81%E5%BC%8F%E3%80%81%E8%B0%83%E8%AF%95%E4%B8%8E%E7%94%9F%E4%BA%A7%E8%BF%90%E8%A1%8C</guid>
      <description><![CDATA[1、本篇任务：让图在用户和开发者眼中都可见 用户关心“正在检索、等待审批、答案到哪了”；开发者关心“哪个节点慢、state 如何变化、为何走了这条边”。两者需要不同流。不要把完整 state 或内部 trace 直接发给用户。 2、理解常用 stream mode | 模式 | 看到什么 | 适用场景 | | | | | | | 每步后的完整 state | 本地调试，小 state | | | 节点产生的局部更新 | 调试状态变化、构...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangSmith 01：追踪——让 Agent 运行过程可见]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangSmith%2001%EF%BC%9A%E8%BF%BD%E8%B8%AA%E2%80%94%E2%80%94%E8%AE%A9%20Agent%20%E8%BF%90%E8%A1%8C%E8%BF%87%E7%A8%8B%E5%8F%AF%E8%A7%81</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangSmith%2001%EF%BC%9A%E8%BF%BD%E8%B8%AA%E2%80%94%E2%80%94%E8%AE%A9%20Agent%20%E8%BF%90%E8%A1%8C%E8%BF%87%E7%A8%8B%E5%8F%AF%E8%A7%81</guid>
      <description><![CDATA[1、本篇任务：从一次错误回答找到具体失败步骤 应用日志常只告诉你请求失败；Agent 却可能在路由、检索、工具、模型或输出校验任一层出错。LangSmith Trace 用父子 run 记录完整调用树，使一次用户请求可以沿步骤检查。 本课为退款助手建立 的追踪层级。 2、Run 与 Trace 的关系 一个 run 表示一个工作单元，多个父子 run 组成 trace： 根 run 对应用户可见结果；子 run 对应可独立计时、失败和评...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangSmith 02：观测、调试与反馈闭环]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangSmith%2002%EF%BC%9A%E8%A7%82%E6%B5%8B%E3%80%81%E8%B0%83%E8%AF%95%E4%B8%8E%E5%8F%8D%E9%A6%88%E9%97%AD%E7%8E%AF</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangSmith%2002%EF%BC%9A%E8%A7%82%E6%B5%8B%E3%80%81%E8%B0%83%E8%AF%95%E4%B8%8E%E5%8F%8D%E9%A6%88%E9%97%AD%E7%8E%AF</guid>
      <description><![CDATA[1、本篇任务：把“用户说答错了”变成可重复诊断 Trace 是原始运行记录，Observability 是用 trace 回答运营问题：哪类请求在失败；从哪个版本开始；影响谁；应由哪个团队处理。 2、一次投诉的固定排查顺序 收到 request ID 后： 1. 确认 environment、release、模型/prompt/index 版本。 2. 检查路由是否选择正确流程。 3. 检查 retriever 的 filter、chu...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangSmith 03：离线与在线评测]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangSmith%2003%EF%BC%9A%E7%A6%BB%E7%BA%BF%E4%B8%8E%E5%9C%A8%E7%BA%BF%E8%AF%84%E6%B5%8B</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangSmith%2003%EF%BC%9A%E7%A6%BB%E7%BA%BF%E4%B8%8E%E5%9C%A8%E7%BA%BF%E8%AF%84%E6%B5%8B</guid>
      <description><![CDATA[1、本篇任务：证明新版本比旧版本更好 LLM 输出非确定，不能靠“手工聊几句”发布。LangSmith Evaluation 的基本循环是：创建 Dataset；定义 Evaluator；运行 Experiment；比较结果；把线上失败回灌 Dataset。 离线评测在发布前使用参考答案；在线评测在生产 trace 上监控格式、安全与质量模式。两者作用不同，不能互相替代。 2、先拆分“好”的维度 退款助手至少有：意图分类、检索命中、答案...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[LangSmith 04：部署与上线治理]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangSmith%2004%EF%BC%9A%E9%83%A8%E7%BD%B2%E4%B8%8E%E4%B8%8A%E7%BA%BF%E6%B2%BB%E7%90%86</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/LangSmith%2004%EF%BC%9A%E9%83%A8%E7%BD%B2%E4%B8%8E%E4%B8%8A%E7%BA%BF%E6%B2%BB%E7%90%86</guid>
      <description><![CDATA[1、本篇任务：发布一个可恢复、可回滚的 Agent 服务 LangSmith 的观测和评测可以独立使用；Deployment/Agent Server 用于运行和管理长期、有状态 Agent。是否采用 Cloud、Hybrid、Self hosted 或 Standalone，取决于数据边界、规模和运维能力，而不是功能越多越好。 2、先判断是否需要 Agent Server 简单 CLI 或 webhook 可以直接调用应用 worke...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
<item>
      <title><![CDATA[实战 01：简易 OpenCode——产品边界与架构]]></title>
      <link>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/%E5%AE%9E%E6%88%98%2001%EF%BC%9A%E7%AE%80%E6%98%93%20OpenCode%E2%80%94%E2%80%94%E4%BA%A7%E5%93%81%E8%BE%B9%E7%95%8C%E4%B8%8E%E6%9E%B6%E6%9E%84</link>
      <guid>https://huajw.xyz/posts/detail/%E5%AD%A6%E4%B9%A0/AI/%E5%AE%9E%E6%88%98%2001%EF%BC%9A%E7%AE%80%E6%98%93%20OpenCode%E2%80%94%E2%80%94%E4%BA%A7%E5%93%81%E8%BE%B9%E7%95%8C%E4%B8%8E%E6%9E%B6%E6%9E%84</guid>
      <description><![CDATA[1、这一系列最终要做出什么 目标是一个真正可使用的本地编码 Agent，而不只是“模型生成 Patch”的示例。完成后应支持： 启动本地 Server，TUI/CLI 作为独立客户端连接。 一个项目有多个 Session；Session 中保存用户消息、模型文本、推理/工具 Part、费用和状态。 Plan 模式默认只读，Build 模式按权限执行读取、搜索、编辑、测试。 运行过程通过 SSE 发送增量事件；客户端断开后 Session...]]></description>
      <pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
      <category><![CDATA[AI]]></category>
    </item>
  </channel>
</rss>