给 AI 的"记忆"做减法:怎样让一次压缩少花一大半的钱
复用主对话请求,让 Agent 上下文压缩命中 Prompt Cache;介绍压缩触发条件、工具调用约束、成本效果与失败处理。
汇总 Flashcat 博客中与 AI Agent 相关的文章,方便按主题连续阅读实践、案例、选型和产品更新。
复用主对话请求,让 Agent 上下文压缩命中 Prompt Cache;介绍压缩触发条件、工具调用约束、成本效果与失败处理。
Subagent 扇出后,父子 Agent 如何通信?介绍独立会话、异步通知补发、消息限额和截断标记,分析可靠性与成本取舍。
并行工具调用尚未返回时,Agent 能否响应用户插话?介绍工具调用余额如何识别安全切点,避免悬空调用破坏会话上下文。
停止信号早于任务执行时如何避免失效?复盘一次 Agent 任务取消竞态,介绍 Redis 墓碑、入队检查和执行前校验的配合。
用 Redis 锁、列表和 Pub/Sub 构建分布式 Agent 会话运行时,处理消息顺序、故障恢复与空闲资源回收;介绍 Flashduty AI SRE 的设计取舍和适用边界。
夜莺 v9 通过内置 MCP Server 与 A2A 端点,让 Claude、Cursor 和企业 Agent 实时、受权限约束地查询告警、机器、指标与日志现场。
AI Agent 框架选型指南:不要先看热度,而要看控制权、状态恢复、流程编排、RAG 数据层、云生态、评测和生产可控性,再决定 LangGraph、ADK、OpenAI Agents SDK、LlamaIndex、Haystack、Pydantic AI、Mastra 或 CrewAI。
本文讨论 AI Coding 时代代码质量差异的根因:AI Agent 拉平的是编码速度门槛,不会替代工程判断。真正决定产物质量的是任务定义、上下文组织、任务拆解、测试验证、工程品味和对 AI 输出的审查能力。
目前国内外市场上有众多可观测性产品。本文从工具、场景、生态和智能化四个角度解释 Flashcat 的差异,重点说明数据集成、稳定性场景、OpenTelemetry 生态、FlashAI 和 AI Agent 操控平台的价值。
Harness Engineering 正成为 AI Agent 生产化落地的关键工程范式。本文系统梳理 Prompt Engineering、Context Engineering 与 Harness Engineering 的关系,以及约束、验证、纠正、多代理编排与可观测性的核心方法,并对比传统线束工程。
FlashDuty 通过 Claude Code skill 构建 AI 文档审查系统,将源码与产品文档关联起来,自动发现文档漂移、补齐缺失说明并生成 PR。本文介绍这套系统的设计思路、Diff/Audit 两种模式和落地经验。
AI 短期不会直接替代运维岗位,而会优先替代依赖个人经验、上下文记忆和人工协同的运维工作方式。本文从调查型 Agent、协同控制台、自动化护栏、平台工程和组织记忆系统五类产品形态,分析 AI Agent、AIOps 与 SRE 产品栈如何重塑运维体系。
AI Agent 和 LLM 应用进入生产后,可观测性会从排障工具升级为连接可靠性、治理、审计、成本控制和自动化动作的运行时控制平面。本文基于 2025-12-30 至 2026-03-30 的行业信号,梳理 AI 可观测性的演进方向、厂商转型重点和企业落地路径。