Agent 失控之后：日志、评测与可恢复执行
BUILDING
01 / OBSERVE→02 / JUDGE→03 / BUILD→04 / REVIEW
TRACKS / 01—04
我反复处理的四类问题
不是知识分类，而是四条持续推进的工作线。每一篇记录，都要留下判断或做出东西。
FIELD NOTES
最近的判断与记录
结论会变，过程保留。按时间查看我最近正在思考和动手解决的问题。
上线两个世界杯小游戏：守门员反应力与颠球挑战
世界杯季，顺手用 Codex 搓了两个小游戏，已经挂到博客的 Games Lab 上了。两个都接了后端积分钱包，玩完会进全员排行榜——不是单机自嗨，是真能跟别人比的那种。 守门员反应力测试 5 个点球，每球随机…
↗厂内 AI 实践精华：30+ 案例的 15 个核心知识点
来源：「厂内 AI 实践学习档案」2026-04-19 ～ 2026-05-11 | 30+ 篇实践案例提炼 整理人：hongxinbo | 整理时间：2026-05-11 一、最高频共识：AI 质量上限定律…
↗Harness Engineering：让 AI Agent 可靠工作的完整方法论
来源：《Learn Harness Engineering》sanbuphy 著（共127页）| 整理时间：2026-05-11 核心结论： Agent 效果不好，不一定是模型的问题，很可能是你的 Harnes…
↗假如 LLM 无限上下文了，RAG 还有意义吗？
来源：抖音@老傅1024 视频解析 | 整理时间：2026-05-11 核心结论： RAG 不会消亡，而是在进化。 问题的来源 上下文窗口狂飙：4K → 128K → 200万 token（Kimi），很多人自…
↗Agent 评测到底怎么做？告别「感觉它还行」
来源：抖音@老傅1024 视频解析 | 整理时间：2026-05-11 核心来源：Anthropic 工程博客《Demystifying Evals for AI Agents》 为什么"感觉它还行"不够用？…
↗「死了么」爆火调研：一个 1500 元 demo 背后的 1.2 亿独居人群
事情是这样的 2026 年 1 月 10 日，一款叫「死了么」的 App 登顶 App Store 付费榜。 产品本身简单到有点寒酸：只有一个页面，中间一个签到按钮。填好用户名和紧急联系人的邮箱，连续两天没签到…
↗OPEN LOOPS
正在解决，还没有结论
这里公开未完成的问题。只有经历过实践、形成自己的判断，才会从 OPEN LOOP 变成正式记录。
一次回答之后：AI 产品如何形成价值闭环
COLLECTING
非程序员把 Vibe Coding 做到生产级，需要跨过什么
DRAFTING
博客、MORI 与知识库：我的个人工作系统如何分工
MAPPING
OPERATOR