Tag
导语 过去一段时间。很多人使用 Coding Agent 的方式其实还停留在"远程结对"：把需求写清楚，补一段上下文，等它返回结果，再继续追问。这个办法有用，但杠杆不高。人始终站在循环中心，Agent 只是被动响应。 Loop Engineering 想解决的是另一件事：让人从每一轮对话里退出来改去设计一套会自动启动、自动分派、自动验证、自动记账的运行程序。Agent 仍然负责读代码
查看更多 2026-08-15
在上一篇中我们把 Agent 变成了一个聊天接口，能记住对话历史并把事件转发给上层。其实，但现实中使用者常遇到的痛点是：当模型返回工具调用时Agent 并不会真正执行工具。也不会把结果回馈给模型，从而导致对话卡在“未完成”的状态。为了解决这个痛点，需要实现完整的工具调用闭环。 痛点一这方面，模型返回 tool_call 却没有被执行 模型只能返回一个结构化的调用意图： { type:
查看更多 2026-08-14
在 AI 编码的真实项目里最常见的痛点是：需求不对齐导致频繁返工 接口字段不稳定引发编译错误 还有“UI 看起来好像没问题，却在细节上与 Figma 有偏差” 。为了解决这些问题，我们把 PRD、接口文档和 Figma 转化为可验证的工程产物，并标准明确下来。 一、先把输入变成规格 —— 把业务拆解成可追溯的证据链 传统做法往往直接把 PRD、接口和 Figma 混进代码生成器，导致 AI
查看更多 2026-08-14
它和普通大模型对话有何不同？ 很多人第一次接触大模型时得到的体验是「聊天」：你问一句，模型答一句。这种形态下大模型本质上只是一个会思考、会生成文本的「大脑」 ——它被封装在一个对话框里不能联网、不能查数据库、不能发邮件、不能执行代码，甚至记不住上一周你和它说过什么。它所有的「知识」都被冻结在训练完成的那一刻。 而AI Agent 要解决的正是「让大脑长出四肢、装上记忆、接上外部世界」这件事
查看更多 2026-08-13
RAG 程序进化论：Naive RAG，检索提高生成的最小闭环 上一篇我们梳理了 RAG的发展方向。 从混合检索、纠错。到 GraphRAG和 Agentic RAG，后面的程序可以越来越复杂。但不管增加多少模块，它们都建立在同一个基础上： Naive RAG就是这条思路的最小实现。 这一篇不讨论具体框架，也不搭建完整代码项目。我们只使用一个业务问题和少量 TypeScript 风格伪代码，理解
查看更多 2026-08-13
再看痛点一，人工频繁轮询，效率低下 在传统的 AI Coding 流程里开发者需要不停地给 Agent 提交 Prompt。等待执行结果，再检查错误，必要时修改 Prompt 并重新跑。这个循环让人不断切换上下文，注意力被打断。刚跑完测试就得回去看日志，又要改提示词再跑…，时间被无数次“等待”浪费掉。 痛点二的观点是。缺乏程序化的验证闭环 即使 Agent 能执行代码、跑测试
查看更多 2026-08-09
用 LangChain 连接远程 MCP：从工具发现到多轮调用闭环 第一次看到 MCP 客户端代码时很容易把它理解成“让大模型调用一个接口”。但真正写起来几个问题会立刻冒出来： 工具？ 它返回的工具参数由谁执行？ 执行结果为什么还要放回消息列表？ HTTP MCP 和普通 HTTP API 又有什么区别？ 这些正是开发者在实际项目中最常碰到的痛点： 工具发现不透明，导致模型调用失败。
查看更多 2026-08-08
React 组件间高效通信实战 在 React 的开发哲学中，组件是 UI 的基本建立单元 。但真正有用的应用不是孤立的组件堆砌，而是依赖于它们之间这种流动的主要机制。就是 props 。 📦 第一个：认识 props —— React 组件的“输入接口” props 是 React 组件接收外部数据的标准方式。你可以把它理解为组件的“参数”或“配置项” 。 主要特性详解这方面， . 只读性
查看更多 2026-08-05
按理说， 大家好，我是晨风。一直以来想使用 AI 做一款应用商用程序。最近趁着离职在家有空余时间，便使用 AI 将之前自己的答题程序进行了完全重写。整个过程大部分的工作量都使用 AI 完成。也将该应用中的一些常规、而且很基础的模块抽离出来实现了一个基础的应用程序。方便后期开发其他新应用直接拿来使用，不需要再重复去写基础功能模块。 整个基础应用程序包含了使用者登录、使用者基础信息、营销推广
查看更多 2026-08-03
再看使用者痛点一。网页结构多变导致抓取失效 在实际项目中，网站的DOM层级往往随时间演进。传统正则匹配很容易被页面重构打乱。而使用 cheerio 可以直接用浏览器中的选择器复制粘贴，大幅降低学习成本。怎么说呢， 痛点： 如何快速定位并抽取正文而不被导航栏、广告等干扰？ 方法： 先用浏览器开发者工具定位目标元素，再将对应的CSS选择器传入 cheerio.load 进行文本提取。
查看更多 2026-08-03
Demand feedback
