Research notes, technical essays, and system-level thinking

Trace Data Foundry：当 Agent 执行轨迹成为可交易的模型能力资产

这篇文章是对”agent trace 商品化”这一方向的竞品分析与产品设计推演。它不是一篇论文综述，而是试图回答一个具体问题：在 SWE-Gym、SWE-smith、AgentRR、Datacurve 等工作已经出现的背景下，一个”verified agen...

你和 AI 的关系，决定了你的能力走向

过去两年，关于 AI 最流行的焦虑集中在一个错误的问题上：模型会不会替代我的工作？

DeepSeek-V4 论文解读：百万 Token 上下文不是窗口竞赛，而是系统工程

DeepSeek-V4 Paper Notes: Million-Token Context as Systems Engineering

这篇文章基于论文《DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence》和原始中文整理稿重写。它不是逐段翻译，而是把论文重新组织成一条更适合阅读的技术主线：为什么百万...

长上下文的终局，不是更大的窗口

一篇关于长时 Agent、推理成本、外部记忆与状态资产化的产业技术评论。

From Ultra-Long Context to Lifelong Service: Why Open Models Are Likely to Become State-Centric Serving Systems

A research-style blog on architectural divergence, long-horizon agents, external memory, and possible state assets.

Claude Code 源码解读阅读地图

A Reading Map for Claude Code Source Analysis

读 Claude Code，不能只追“源码事件”

Harness Engineering：把会写代码的模型，变成真正能交付的软件系统

引子：AI 编程的分水岭，不是会不会写代码，而是能不能持续交付

The Death of the App: Why the "Intent Canvas" is the Endgame of Operating Systems

We carry supercomputers in our pockets, yet we still interact with them like 1990s filing cabinets.

App 的尽头是"画布"：零应用时代的底层架构逻辑

今天最荒诞的技术错位是：我们口袋里的手机已经具备运行百亿参数大模型的端侧算力，但我们与这台”超级计算机”的交互方式，依然停留在上世纪 90 年代的”九宫格”逻辑里。

大模型对话格式全景

大模型对话格式全景：从 Chat Template 到 Tool-Use，再到跨阶段 Token 设计

LLM Agent 记忆管理方案

{::nomarkdown} LLM Agent记忆管理方案调研

GPT-OSS Model Card 解析

{::nomarkdown} GPT-OSS 模型深度解析：技术规格、性能与应用场景 /* Mermaid diagram styles */ .mermaid-container {...

原生轻量化大语言模型

Native Small Language Models

{::nomarkdown}

可验证奖励的强化学习（RLVR）

Reinforcement Learning with Verifiable Rewards (RLVR)

{::nomarkdown}

大型语言模型量化技术：原理、前沿与实践

LLM Quantization: Principles, Frontiers and Practice

{::nomarkdown} 大型语言模型量化技术：原理、前沿与实践 目录导航 量化技术概述 ...