Tag
Agent 工具程序搭建： 个内置工具让 Agent 学会写代码 前言 使用者痛点： 上一次我们只实现了一个 get_wear mock 工具。功能极其单一，无法满足实际编码场景的需求。怎么说呢， 在本篇中。我们将把通用 Agent 升级为 Coding Agent 让它能够： 读取文件、修改文件、输入命令、启动后台进程。怎么说呢， 统一工具定义方式。实现 schema 与实现代码合二为一
查看更多 2026-08-09
Codex 用久以后本地对话历史会越攒越多。我一开始只是想精确清掉某几个项目里的旧对话，结果发现事情没有“从列表里消失”这么简单：有些入口更像归档。有些数据还散在本地 SQLite、JSON、JSONL 和状态文件里。 说白了单纯“看不见”并不等于“删干净”。真要手动改 ~/.codex 又很容易出现两个问题：漏掉引用，或者误删还在使用的状态。 你是否也遇到过这些痛点？
查看更多 2026-08-06
话说回来， 第 章：工具调用：让模型只提需求，服务端执行确定性工具 本章最终效果 上一章我们完成了 Today 和 Coach Chat 的行动闭环：前端或调用方发来使用者消息。Spring 后端补齐可信使用者上下文，再把请求交给 Python Agent Service。 这一章我们将进一步完善 Agent Service。引入 Tool Registry，让模型仅仅提出需求
查看更多 2026-08-06
在上一篇文章中，我们手写了一个 mini‑Cursor Agent。并通过四个内联工具实现了自动创建项目、写入代码、安装依赖和开启服务的能力。很快你会发现这套方案隐藏着两个致命痛点 项目锁定 ——工具代码硬绑定在 all-tools.mjs 中。想在别的项目复用只能复制粘贴，导致代码冗余、维护成本飙升。 语言锁定 根源就在于缺乏标准化的 LLM ↔ 工具通信协议
查看更多 2026-08-04
一、现象引入：为什么前端工具链正在“静悄悄地革命” npm run lint 不再调用 ESLint，而是调了一个叫Biome 的二进制文件；其一次执行就完成 lint+format+import 排序；相比原来的 ESLint+Prettier+eslint-plugin‑vue 等组合，总耗时从秒级降至毫秒级。其实， - 在package.json 里多了一项oxlint 配置；在vite
查看更多 2026-08-02
为什么开发者需要更高效的建立工具？ 因为前端应用规模不断膨胀，开发者面临着： 漫长的冷启动时间 大型项目初始建立可能耗时数分钟，严重阻碍迭代速度 痛苦缓慢的热更新 传统工具HMR响应迟钝，修改代码后等待10秒+才能看到效果 复杂建立配置负担 Webpack配置文件越来越臃肿。维护成本持续攀升 内存压力问题 大型项目运行时占用数GB内存，导致机器卡顿甚至崩溃 兼容性困境 新旧技术栈并存
查看更多 2026-08-02
话说回来， Agent不会干活？我给它加了3个工具，从FC到MCP一条线看透工具链进化 昨晚凌晨我跑通了一个能调3种工具 的 Agent——查天气、查数据库、读文件。不过，跑通那一刻才真正理解一件事：LLM自己啥也干不了它只会下工单。 你的代码才是干活的人。 新鲜道理，但手敲代码跑通闭环后感受完全不一样。之前看文档觉得 FC 挺简单——定义函数、注册 tool、两轮对话，概念三步就完了。其实
查看更多 2026-08-02
其实， 微前端 Module Federation 运行时工具：fan-mf-lib 方法 为什么需要 fan-mf-lib？你的痛点在这里， Module Federation 已经部署，但你还在被这些问题折磨吗？ ⚠️ 版本管理困扰 : 写死 remoteEntry URL，发版要改 Host 配置；多团队并行时同一页面共存 v1/v2 是梦想？ 💥 CDN 隐患 : 只配一个 CDN
查看更多 2026-08-01
先看跑出来的效果 别急着看代码，先看结果。下面这段是我真实跑出来的，DeepSeek 模型。输出一字没动： 语言" read read read def main: print fn main { println!，} console.log;三个文件的内容和语言如下：…其实，a.rs 是 Rust，b.py 是 Python。c.ts 是 TypeScript… 使用者痛点： 同一个
查看更多 2026-08-01
工具文档是写给 LLM 的，不是写给人的 你是否也曾这样编写工具文档？ @lc_tooldef get_data -> str: """Get data.""" ... 这样的文档对人类来说已经很差，对 LLM 更是灾难——它根本不知道这个工具做什么、什么时候该调用、应该传什么参数。 工具设计的三大主要维度：描述质量、错误处理、粒度设计 。这里通过实验数据这些要素。 再看Demo
查看更多 2026-08-01
Demand feedback
