万籁俱寂，万字将成。
17 篇文稿
从分层记忆、事实抽取与语义召回，到每日 Sleep 的去重、合并与并发保护，聊聊 Biny Agent 记忆系统的设计与边界。
按术语逐项解释 Skill、MCP、ACP、Code Mode、RAG、Memory、Harness 等 Agent 概念，每项附对应专题入口。
模型是什么，Token 怎么数，Inference 和 Reasoning 为什么都叫推理，以及 Prompt、RAG 和微调分别改变了什么。
用一次代码审查串起工具调用、结构化输出、Skill、工具发现、MCP、ACP、A2A、LSP 和程序化编排。
Agent 怎样根据反馈行动，任务状态存在哪里，断连和恢复有什么区别，以及为什么超时后不能盲目重试。
保存的信息怎样进入模型，历史、状态、记忆和缓存有什么区别，长对话怎样压缩，以及记忆怎样更新和遗忘。
用一次报销文档查询，串起资料解析、分块、索引、召回、融合、重排、证据组织、RAG 进阶与分层评测。
多 Agent 怎样分工、交接和汇总，编码工具怎样观察与修改代码，浏览器和电脑操作怎样确认真正成功。
区分八类缓存，解释命中与上下文的关系，再用 Logs、Metrics、Trace 和延迟指标找出时间花在哪里。
区分认证、授权、单次批准和沙箱，说明外部资料为何不能授予权限，再把任务验收、测试、评测和发布术语串起来。
从工具按需发现、MCP 连接管理，到统一执行、文件编辑和失败恢复，聊聊 Biny Agent 工具系统背后的设计与取舍。
最近 GPT-6.1 Sol 实在是有点慢，想着既然要等那么久，不如换 Kimi 试试，刚好搭配 Kimi Code 用了一下。 用的过程中发现，Kimi Code 的 设计和 Codex 不太一样。 Codex 主要采用 ，让模型通过 Patch 描述文件修改；而 Kimi Code 用的是传统的 字符串替换。 另外还有一个让我感兴趣的设计：Codex 在 GPT-6 Astra 上就已经使用
一、引子：大模型的三种用法 在聊 Agent Loop 之前，我们先退一步，看看”使用大模型”这件事本身有几种模式。这对理解”为什么需要循环”至关重要。 模式 1：直接调用 —— “模型，回答我” 最原始、最直觉的用法。你构建好提示词，调用一次 API，拿到结果，完事。 核心工作在于”构建提示词” 。提示词写得好，结果就好。一次调用，一次输出，没有来回。 适用场景：翻译、摘要、问答、代码补全——凡
Kimi K3 的技术博客里，有一个很容易被忽略、但很关键的细节： K3 对「思考历史」极度敏感。harness 如果没有完整传回之前的 thinking 内容，生成质量会严重不稳定。 原文大致写了两个触发条件： 1. harness 没有完整回传历史 thinking 内容 2. 会话中途从别的模型切换到 K3 博客对原因也做了解释。大多数 reasoning 模型，比如 Claude 的 ex
做混合检索时，会碰到一个很朴素的问题。 BM25 说某篇文档得了 18.6 分，向量检索说另一篇文档的相似度是 0.83。到底谁应该排在前面？ 18.6 看起来比 0.83 大得多，但这两个数字根本不在同一把尺子上。直接相加没有意义，随手归一化又会受到查询、模型和数据分布影响。 RRF 提供了一个很省心的思路。 既然各路分数不好比较，那就不比较分数，只比较排名。 为什么混合检索需要结果融合 关键词
这篇可以接着 Ai Agent概念扫盲 阅读。想把 ACP、A2A、LSP 和 Code Mode 一起弄清楚，可以看 工具与协议专题。 最近看 Agent 相关的项目，经常会同时碰到三个词，Function Calling、MCP 和 Skill。 它们看起来都和「让模型做事」有关，于是很容易混在一起。有人把 MCP 当成更高级的 Function Calling，也有人觉得有了 Skill 就
本文侧重错误治理。完整的资料准备、分块、Embedding、BM25、重排和 GraphRAG，可以先读 RAG 概念专题；整个系列入口是 Ai Agent概念扫盲。 大模型最麻烦的时刻，不是它说不知道。 而是它给出一个语气笃定、结构完整、甚至带着出处的答案，等你真的去查，才发现内容根本不存在。 这种现象通常被叫作幻觉。 模型不是在主观撒谎。它的核心任务是根据上下文预测接下来最可能出现的内容。当可