Agent Architecture
Memory、Planning、Tool Use 和 RAG 怎么搭成一个清晰、好迭代的 Agent system。
AI systems practiceIndependent
Making AI agents useful beyond the demo.
我是 Zekai。我研究 Agent Architecture、Memory 与 Evals， 也把这些想法做成可运行、可观察、可持续迭代的产品。
- 01
- documented builds
- 06
- published notes
- 04
- research threads
01 / SELECTED BUILDS
Ideas become credible when they survive contact with a system.
从问题、架构和算法实验，到 Evals 与迭代记录。这里不只展示结果，也保留过程中的证据。
All Builds ↗ 全部项目02 / RESEARCH THREADS
Four threads, one practice.
它们不是技能清单，而是我反复回到的四类问题。每条线最终都要落到真实系统与可复现反馈上。
Evals & Reliability
用 Benchmark、Grader、Trace 和 Failure Taxonomy 看系统表现，不只是跑 Demo。
Applied Algorithms
把 Ranking、Retrieval、Routing、Memory Policy 变成产品里真正会跑的模块。
Product Engineering
从交互、API 到状态、Fallback 和部署，把算法想法做成能用的产品。
03 / WORKING LOOP
Learning generates hypotheses. Building creates evidence.
01 Learn →
02 Experiment →
03 Build →
04 Evaluate
04 / FIELD NOTES
Thinking in public, one useful note at a time.
论文、前沿博客与工程实验的阅读记录。不是内容库存，而是下一次 Build 的输入。
All Notes ↗ 全部笔记Jev 架构综述：不生成文本的决策模型如何工作
结合 TypeSafe 官方资料、黑盒实验与最新独立基准，拆解 Jev 的共享 state、类型化 questions、概率输出和生产落地边界。
AI 真的能改进自己吗？从自我修正到研究闭环的 RSI 落地方法
深入浅出解读《Recursive Self-Improvement in AI》综述与 Anthropic 前沿实验室测量：拆解 AI 自我改进的四类对象、验证瓶颈、研究闭环和可落地的七步方法，并辨别 AL4 与完全自主 RSI 的距离。
当 AI 让社会更富裕，为什么你未必更有价值？
Anthropic《Economic Scenarios for Transformative AI》中文解读：2030 年 AI 如何影响经济增长、失业率和知识工作者工资？结合 57 页报告解释三种情景、假设与收益分配。
DeepSeek Harness 交互式学习指南
把 DeepSeek Harness 的源码啃了一遍——插件内核、事件日志、Replay 这些机制到底怎么回事，整理成了带图解和自测题的笔记。
05 / CONTACT
Let’s compare notes.
如果你也在做 Agent、Evals 或 AI 产品，欢迎聊项目、研究问题与职业机会。