刘欢の博客

一名不太专业的 AI 应用工程师，在代码与生活之间反复横跳

整理一份 AI 应用开发的基础知识速查，覆盖向量检索、RAG、Function Calling、ReAct、Prompt 工程、流式协议、评估体系、成本优化等十二个高频知识点，每个都配一句话定义和实战挂钩。

从 RuleTest-Agent 这个 AI 测试平台出发，复盘双引擎架构、覆盖率反馈闭环、流式链路设计，再把这些经验一条条迁移到 AI 问数（NL2SQL）和智能客服场景。

LLM 本身是无状态的，跑长任务会遇到上下文窗口、跨会话延续、重复劳动三个硬约束。这篇讲我参考 GAM 论文给 RuleTest-Agent 落地的一套记忆系统，从底层概念到工程细节，再到怎么迁移到客服业务。

同样是让多个 LLM 协同干活，为什么有的功能该用多 Agent 编排，有的却该退回到固定的流水线？这篇笔记从一个真实项目的纠结出发，提炼出一条可以直接拿来做决策的判据。

从符号主义到 Transformer，从专家系统到 ChatGPT，AI 走了七十年。但大模型的本质，始终是在猜下一个词。只不过它猜得越来越准，准到让人以为它在思考。

Skill、MCP、Memory，三个词都跟 Agent 有关，但它们不是一回事。搞清楚这三者的边界，是构建可靠 Agent 系统的基础。

自己搭了个写小说的 Agent，章节质量不错，但剧情断章、境界混乱让我崩溃。最终结论：AI 是副驾，不是司机。以及一个新方向：Claude Code + DeepSeek。