/tags/%E6%8A%80%E6%9C%AFIF THERE’S ANY TRUE LOGIC TO THE UNIVERSE… WE’LL END UP ON THAT GAYHUB AGAIN SOMEDAY.Halo v2.22.4zh-cnhttps://oss-shenzhen-40g.oss-cn-shenzhen.aliyuncs.com/blog-attach/favicon_1619538565825.ico/tags/%E6%8A%80%E6%9C%AFSun, 3 May 2026 18:00:15 GMT/archives/agent-gong-cheng-ralph-in-deepagent-claude-code背景 本来有很多 Deep Research 的内容和网络资料，想来想去，还是删除了，写点人话。 此文是公司做的一次技术分享，文章 Artifact 有删减。 本文聊聊 2026 年前沿 Agent 技术：Long Horizon / Running 、Ralph Loop 在 LangChain]]>/archives/agent-gong-cheng-ralph-in-deepagent-claude-codeWarren Zhan工作沉思录默认分类Wed, 4 Mar 2026 14:41:00 GMT/archives/agent-gong-cheng-langchain-long-horizon-agent本文是对 Langchain 前不久分享的 Long Horizon Agent 的详细解读。 长周期任务（Long-horizon Task）。 简单说，就是让 Agent 干点大事儿，不是那种问个问题就完事儿的客服，而是能独立思考、规划、执行一整套复杂流程的“数字员工”。比如让它独立完成一个软件]]>/archives/agent-gong-cheng-langchain-long-horizon-agentWarren Zhan工作沉思录默认分类Thu, 5 Feb 2026 15:43:00 GMT/archives/agent-gong-cheng-chu-tan-openclaw-de-pi-mono-she-jihttps://github.com/badlogic/pi-mono Pi 给我们描绘了一幅与今天主流 AI Agent 截然不同的蓝图。它不追求成为一个无所不知的“万事通”，而是立志成为一个潜力无限、与你共同成长的“学徒”。 这何尝不是 Ilya 想象中的 AGI 之一呢？ 今天聊聊背后那个更低]]>/archives/agent-gong-cheng-chu-tan-openclaw-de-pi-mono-she-jiWarren Zhan工作沉思录Mon, 2 Feb 2026 15:09:00 GMT/archives/rag-gong-cheng-graphrag-zhong-de-deepresearch-jie-du-graphsearch-she-ji这篇工作是一个工程化的设计思路，基本上和算法没关系。可以理解为是 GraphRAG 检索环节的一种 Agentic 检索设计。感觉类似 GraphRAG 中的 “Deep Research” 是否有参考价值，如果我们能确定现有检索场景下的 BADCASE 的具体原因，可以引入此工程思路，看是否能解决]]>/archives/rag-gong-cheng-graphrag-zhong-de-deepresearch-jie-du-graphsearch-she-jiWarren Zhan工作沉思录Thu, 15 Jan 2026 11:12:00 GMT/archives/rag-gong-cheng-cong-rong-ying-dui-zeng-liang-shu-ju---jie-du-era-rag-she-ji最近在为组内的需求做技术调研，在看看 RAG 领域相关的工作。 上一篇我们回顾了经典 RAPTOR 的设计，本次我们接着看看 ERA-RAG 相关的设计思路，这篇文章目前看着没有在任何会议 / 期刊发布，但由于被 RAGFLow 写进了 25 年和 26 年的 ROADMAP，所以可能还是值得一看的]]>/archives/rag-gong-cheng-cong-rong-ying-dui-zeng-liang-shu-ju---jie-du-era-rag-she-jiWarren Zhan默认分类Thu, 1 Jan 2026 14:35:00 GMT/archives/rag-gong-cheng-hui-wei-jing-dian---jie-du-raptor-s-j这两天在做技术调研，顺便回味一下这篇入选 ICLR 2024 的经典工作 传统的 RAG，有点“短视”。 它通常把长文档切成一堆互不相干的小碎片，然后根据你的问题，找出最像的几片。这对于回答“XX 是什么？”这种 factual question（事实性问题）还行。可一旦问题需要你通读全文、理解来龙]]>/archives/rag-gong-cheng-hui-wei-jing-dian---jie-du-raptor-s-jWarren Zhan工作沉思录Wed, 31 Dec 2025 15:02:00 GMT/archives/wen-ti-pai-cha---python-nei-cun-zhan-yong-shi-fang-wen-ti一、背景 近期在做 RAG 工程，任务调度 Server 是 Temporal，Worker 是 Python 写的，在基于 Temporal Client 的基础上设计了一套 DSL，方便业务编写异步任务。 导入文档异步任务是我们的业务最复杂的其中一个环节。在性能压测下，一次性发起 6000 个任]]>/archives/wen-ti-pai-cha---python-nei-cun-zhan-yong-shi-fang-wen-tiWarren Zhan工作沉思录Sun, 28 Sep 2025 15:17:00 GMT/archives/gong-cheng-jing-yan---agent-gong-cheng-zhi-react-shi-xian-yu-si-kaoLLM 自变成风口以来，每天都有很多奇思妙想，其中有一些想法虽然也没有发顶刊，却也非常重要，直到今天还是为人们所津津乐道，例如 COT、 ReAct 都成为了现阶段 Agent 工程中重要的基石。ReAct 的核心在于如何让 LLM 长出手脚，去做事情，属于 Tool Use 领域的一种方案。 原理]]>/archives/gong-cheng-jing-yan---agent-gong-cheng-zhi-react-shi-xian-yu-si-kaoWarren Zhan工作沉思录Thu, 20 Feb 2025 15:22:00 GMT/archives/gong-cheng-jing-yan---agent-gong-cheng-zhi-function-calling-ji-zhi一句话诠释我的理解：“Function Calling ” 让 LLM 有手有脚！ 1 Minimal example Overview 这个案例演示要做的事情如下： sequenceDiagram participant User participant Client participant Op]]>/archives/gong-cheng-jing-yan---agent-gong-cheng-zhi-function-calling-ji-zhiWarren Zhan片段集Fri, 24 Jan 2025 14:39:00 GMT/archives/gong-cheng-jing-yan---ren-wu-diao-du几年前，我曾在博客分享过一种周期性任务调度的设计。本篇文章会从架构设计上讨论任务调度的设计，以及这种设计如何应付我碰到的业务问题。当然，永远求真务实，力求简单。 Language: Java 概览 首先，让我们先探讨一下，现在的 Big Fella 都干了啥事情，就拿 PowerJob 和 XXL-]]>/archives/gong-cheng-jing-yan---ren-wu-diao-duWarren Zhan工作沉思录Fri, 17 Jan 2025 03:43:00 GMT/archives/gong-cheng-jing-yan---gou-jian-yi-ge-springboot-ying-yong-de-liang-hao-shi-jian今天看到一篇文章提到： “make it run, make it fast, make it beautiful. 最近在做副业的尝试，有个深刻的体会，技术可能是商业里面最不重要的。 从零把产品做出来，推广给用户，用户只会关注你的产品是否好用，能否解决他们的问题. 他们既不会关注你是用C++/Ja]]>/archives/gong-cheng-jing-yan---gou-jian-yi-ge-springboot-ying-yong-de-liang-hao-shi-jianWarren Zhan工作沉思录Wed, 25 Dec 2024 12:13:00 GMT/archives/gong-cheng-jing-yan---ji-yu-poetry-da-bao-yi-ge-cli-ying-yong核心步骤 pyproject.toml 的 [tool.poetry.scripts] 定义出命令名称 & 函数入口的 k v 映射 poetry 打包出 wheel 包 pip install 安装 wheel 包并使用命令 安装 pipx & poetry # pipx sudo apt upd]]>/archives/gong-cheng-jing-yan---ji-yu-poetry-da-bao-yi-ge-cli-ying-yongWarren Zhan工作沉思录Mon, 15 Jul 2024 07:03:00 GMT/archives/gong-cheng-jing-yan---da-mo-xing-ji-ben-yuan-liIlya Sutskever：“神经网络学到的是生成文本的过程中的某种表示，这些模型的生成文本实际上是真实世界的投影……（语言模型）对下一个单词的预测越准确，（对于世界知识）保真度就越高，在这个过程中获得的分辨度就越高……” 本文为我阅读开源书籍 大语言模型 - 赵鑫 李军毅 周昆 唐天一 文继荣]]>/archives/gong-cheng-jing-yan---da-mo-xing-ji-ben-yuan-liWarren Zhan工作沉思录Sat, 11 May 2024 09:29:00 GMT/archives/gong-cheng-jing-yan---shu-ju-jian-quan-she-ji-yu-shi-jian[TOC] 在我们的业务工程中，涉及到两部分鉴权的管控，这里简单做个总结分享 RBAC 和 ACL 模型在我们的工程中的实践 一、概念 1.1 鉴权 权限系统设计的核心目标是限制系统使用者的操作在一个合法的范围内，防止越权访问行为，包括水平越权和垂直越权两种。 水平越权：用户访问了不应该访问的数据。]]>/archives/gong-cheng-jing-yan---shu-ju-jian-quan-she-ji-yu-shi-jianWarren Zhan工作沉思录Mon, 15 Apr 2024 08:35:47 GMT/archives/gong-cheng-jing-yan---kai-yuan-xiang-mu-de-docker-bu-shu-you-hua-shi-jian一、前言 前两天在调研开源工具，看到个不错的项目，国人开发，感觉做的不错，但是没有 docker 部署支持。于是 fork 下来，花了点时间给这个项目做了下相关的支持 做这个过程调研学习了 docker 相关的知识： 构建上下文 镜像体积优化 本文代码：jalr4ever/buitar 二、项目分析]]>/archives/gong-cheng-jing-yan---kai-yuan-xiang-mu-de-docker-bu-shu-you-hua-shi-jianWarren Zhan工作沉思录Mon, 18 Mar 2024 07:18:00 GMT/archives/gong-cheng-jing-yan---da-mo-xing-agent-ru-men-zhi-nanChatGPT 3.5 的发布恍若 IPhone 4。我们可以选择去相信，犹如移动互联一样，LLM 将开启一个新的时代本文是个大杂烩，但这些大杂烩对于成为一名大模型 Agent 开发者将是有助于 or 必要的本文主要讨论：什么是大模型 Agent？如何开发一个大模型 Agent？大模型 Agent]]>/archives/gong-cheng-jing-yan---da-mo-xing-agent-ru-men-zhi-nanWarren Zhan工作沉思录Tue, 23 Jan 2024 09:03:20 GMT