AI Agent 的反思机制：从原理到工程实践
深入解析 AI Agent 中的 Reflection（反思）机制——一种让 Agent 通过审视自身失败来迭代改进的设计范式。本文从核心论文出发，系统梳理 Reflexion、Self-Refine、CRITIC 等主要实现方案，探讨其认知科学基础，并分析关键限制与工程实践。
想当年的博客
MCP 协议详解：从原理到生态全景
详解 MCP（Model Context Protocol）协议的架构、核心概念、传输机制与生态全景，从 Host-Client-Server 三层模型到 Tools/Resources/Prompts 三种能力，再到与 Function Calling 的对比和实际工作流程。
语言模型的演进：从n-gram到GPT-4
从1948年香农的信息熵实验到2022年ChatGPT的爆发，语言模型经历了统计方法、神经网络、预训练模型、大语言模型四个阶段。本文系统梳理了n-gram、Word2Vec、BERT、GPT系列的技术演进脉络，揭示"预测下一个词"这一范式如何推动AI革命。
AI Agent 的记忆系统：从认知科学到工程实践
深入解析 AI Agent 记忆系统的设计原理，从认知科学的人类记忆模型出发，梳理记忆流、分层记忆、反思整合等核心架构模式，并对比 Claude Code、OpenClaw、Codex 三大编程助手的记忆实现。
Harness 工程：AI 时代的新型工程范式
从 Mitchell Hashimoto 首次提出，到 OpenAI 百万行代码实验验证，再到 Birgitta Böckeler 在 Martin Fowler 网站上系统化——Harness 工程正在成为 AI 时代最重要的工程范式转变。
使用LaraDock配置laravel-echo-sever遇到的坑
前情提要：项目需要使用 webSocket 进行通信，并且使用的是 LaraDock 作为环境。所以使用 laravel-echo-server、laravel-horizon、php-worker 容器进行环境的部署。因为对 Docker 并不懂，仅仅只是使用 LaraDock，所以过程中遇到了很多问题，特此记录下来。 坑二 参考资料 LaraDock 的 Nginx 使用多站点配置的时候，
深入理解 ReAct：AI Agent 范式中的推理与行动
1. 引言：两条分开走的路2022 年 10 月，普林斯顿大学的 Shunyu Yao 和 Google Research 的合作者们提交了 ReAct 论文。当时的研究现状是：推理和行动是两条完全独立的研究路线，还没有人把它们放到同一个模型里。 一边是 Chain-of-Thought（Wei et al., 2022.1），让 LLM 在输出答案之前插入一段推理过程。模型在文本框里一步步想，