<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>博客 on 杜One的技术宇宙</title><link>https://duone.pages.dev/posts/</link><description>Recent content in 博客 on 杜One的技术宇宙</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Fri, 13 Nov 2026 00:38:42 +0800</lastBuildDate><atom:link href="https://duone.pages.dev/posts/index.xml" rel="self" type="application/rss+xml"/><item><title>Mem0 架构拆解：一条记忆是怎么被存下来、又被找回来的</title><link>https://duone.pages.dev/posts/mem0-architecture/</link><pubDate>Fri, 13 Nov 2026 00:38:42 +0800</pubDate><guid>https://duone.pages.dev/posts/mem0-architecture/</guid><description>&lt;h3 id="为什么要读-mem0-的源码"&gt;为什么要读 Mem0 的源码&lt;/h3&gt;&#10;&lt;p&gt;用过大模型的人大概都有过这种体验：昨天刚跟它聊了半天，今天新开一个会话，它又不认识你了。它不是装的，是真的记不住。&lt;/p&gt;&#10;&lt;p&gt;Mem0 就是来治这个毛病的。它是目前最流行的开源记忆层之一，做的事情说起来很简单：把聊天内容提炼成事实存起来，下次用得上时再找回来。2026 年 4 月它发布了新的 v3 算法，整个写入和检索流程都重写了。&lt;/p&gt;</description></item><item><title>Claude Code架构——上下文压缩（03）：六层分级管线全解析</title><link>https://duone.pages.dev/posts/claude-code-context-compression/</link><pubDate>Tue, 03 Nov 2026 16:32:39 +0800</pubDate><guid>https://duone.pages.dev/posts/claude-code-context-compression/</guid><description>&lt;h2 id="引言长任务靠的不是大窗口而是分级压缩"&gt;引言：长任务靠的不是大窗口，而是分级压缩&lt;/h2&gt;&#10;&lt;p&gt;Claude Code 能连续干几小时的工程任务，靠的是一条六层的上下文压缩管线，而不是“快满了就做一次摘要”。&lt;/p&gt;&#10;&lt;p&gt;它的工作方式决定了上下文一定会膨胀：读文件、搜代码、跑 Bash、写补丁、调子 Agent，每一步都在往历史里追加消息和工具输出。真正占空间的往往不是对话，而是大段的终端日志和文件内容。&lt;/p&gt;</description></item><item><title>Claude Code 架构——多智能体机制（02）：从 Subagent、Coordinator 到 Agent Teams</title><link>https://duone.pages.dev/posts/claude-code-multi-agent/</link><pubDate>Sun, 04 Oct 2026 15:01:25 +0800</pubDate><guid>https://duone.pages.dev/posts/claude-code-multi-agent/</guid><description>&lt;p&gt;Claude Code 的多智能体机制，可以从三种协作方式理解：&lt;strong&gt;把子任务交给助手、由主 Agent 集中调度，以及组织多个 Agent 持续协作。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;p&gt;它们分别对应 &lt;strong&gt;Subagent、Coordinator 和 Swarm / Agent Teams&lt;/strong&gt;。&lt;/p&gt;</description></item><item><title>Claude Code 架构——记忆系统与会话管理（01）：从 JSONL 历史到长期记忆</title><link>https://duone.pages.dev/posts/claude-code-memory/</link><pubDate>Sat, 03 Oct 2026 18:07:06 +0800</pubDate><guid>https://duone.pages.dev/posts/claude-code-memory/</guid><description>&lt;p&gt;Claude Code 的记忆机制需要分成三个层次理解：&lt;strong&gt;当前上下文、持久化会话记录、跨会话长期记忆&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;p&gt;当前上下文决定模型这一轮能看到什么；会话记录保存过去发生过什么；长期记忆则保存以后仍然值得使用的信息。三者相互配合，但保存范围、加载方式和生命周期不同。&lt;/p&gt;</description></item><item><title>Hermes 架构：从记忆与会话，到上下文工程（01）</title><link>https://duone.pages.dev/posts/hermes-memory-context/</link><pubDate>Thu, 17 Sep 2026 21:30:41 +0800</pubDate><guid>https://duone.pages.dev/posts/hermes-memory-context/</guid><description>&lt;p&gt;很多人会把 Agent 的“记忆”理解为：模型能记住之前的聊天内容。&lt;/p&gt;&#10;&lt;p&gt;这其实不准确。一个可靠的 Agent，不能只是不断堆积历史消息；它需要明确区分：哪些信息应该长期保存，哪些信息属于某次会话，哪些内容应该进入当前模型上下文，以及上下文过长时如何处理。&lt;/p&gt;</description></item><item><title>拆开 Pi Agent：一个能把 Agent 当“系统“搭的架构，到底好在哪？</title><link>https://duone.pages.dev/posts/pi-agent-architecture/</link><pubDate>Fri, 28 Aug 2026 22:26:54 +0800</pubDate><guid>https://duone.pages.dev/posts/pi-agent-architecture/</guid><description>&lt;p&gt;最近我把 Pi Agent 认认真真过了一遍。从外层状态、内层循环、生命周期钩子一条一条拆开看，一个能长期干活、能被打断、能记得住来龙去脉的 Agent，本质上不是一段脚本，而是一套有状态与无状态分层、有明确生命周期约束的系统工程。&lt;/p&gt;</description></item><item><title>Harness AI 工程化编程：让 Vibe Coding 从快速写代码走向工程化开发</title><link>https://duone.pages.dev/posts/harness-ai-engineering/</link><pubDate>Sat, 22 Aug 2026 23:00:24 +0800</pubDate><guid>https://duone.pages.dev/posts/harness-ai-engineering/</guid><description>&lt;h2 id="一ai-coding-时代的新挑战"&gt;一、AI Coding 时代的新挑战&lt;/h2&gt;&#10;&lt;p&gt;随着大模型的发展，Vibe Coding 正逐渐成为新的开发方式。&lt;/p&gt;&#10;&lt;p&gt;开发者可以通过自然语言描述需求：&lt;/p&gt;&#10;&lt;blockquote&gt;&#10;&lt;p&gt;“帮我实现一个用户登录模块。”&lt;/p&gt;&#10;&lt;/blockquote&gt;&#10;&lt;p&gt;AI 可以快速生成：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;前端页面&lt;/li&gt;&#10;&lt;li&gt;后端接口&lt;/li&gt;&#10;&lt;li&gt;数据库模型&lt;/li&gt;&#10;&lt;li&gt;测试代码&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;开发效率得到了极大提升。&lt;/p&gt;</description></item><item><title>MCP的组成和架构详解：从组成到工作流程</title><link>https://duone.pages.dev/posts/mcp-architecture/</link><pubDate>Fri, 21 Aug 2026 12:02:45 +0800</pubDate><guid>https://duone.pages.dev/posts/mcp-architecture/</guid><description>&lt;h3 id="1-什么是-mcp"&gt;1. 什么是 MCP？&lt;/h3&gt;&#10;&lt;p&gt;随着大模型应用的发展，AI Agent 已经不仅仅满足于聊天，而是需要连接越来越多的外部能力。&lt;/p&gt;&#10;&lt;p&gt;例如：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;查询数据库&lt;/li&gt;&#10;&lt;li&gt;操作本地文件&lt;/li&gt;&#10;&lt;li&gt;调用 GitHub&lt;/li&gt;&#10;&lt;li&gt;浏览网页&lt;/li&gt;&#10;&lt;li&gt;使用企业内部系统&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;传统方式下，每一个 Agent 框架都需要为不同的数据源和工具编写独立的适配代码。&lt;/p&gt;</description></item></channel></rss>