Jack's Blog

前段时间我做了一个和“自进化”相关的项目，叫 SkillEvolver。 项目最开始的想法很诱人：既然现在很多 Agent 都依赖 prompt、skill、system rule、工具使用规范，那么能不能让这些 skill 像代码一样被评测、被修改、被筛选，最终形成一个“越用越强”的闭环？ 更具体一点，我想验证的是： 当一个 LLM Agent 在修 bug 时，如果 baseline 已经失败，能不能只在这个失败条件下激活一个 debugging skill；然后再通过 mutation + selection，让这个 skill 一代代进化，变得更能 rescue failure，同时不伤害原本能做对的任务？ 这个方向看起来很贴近 Agent 产品里的“自进化”叙事：不是训练模型权重，而是在真实任务、失败案例、反馈和评测中不断改进外部 skill。 但做完一轮之后，我的感受很复杂：项目确实做出了东西，实验也跑通了，文档、报告、测试、论文草稿都齐了；但它没有达到我最初期待的那种“有用”。 最后我重新检查了整个 repo，结论是： SkillEvolver 不适合继续作为“自动 ...

最开始做 PassiveAgent 的时候，我其实一直有一个疑问：如果只是写代码，用 Codex 和 Claude Code 不就够了吗？为什么还要把 Hermes 放进这个开发过程里？ 这个问题很真实。因为在今天，写一个 Python CLI、补几个模块、改几个 bug、加一些测试，Codex / Claude Code 确实已经非常强了。甚至可以说，如果目标只是“把代码写出来”，Hermes 并不是最核心的工具。 但 PassiveAgent 做到初具规模之后，我对这个问题的答案逐渐清晰了： Codex / Claude Code 更像施工队，负责把一个个功能实现出来；Hermes 更像这个项目的长期操作系统，负责记住项目、编排工具、沉淀经验，并让这个系统在真实环境里长期活下去。 这篇文章想分享的，不只是 PassiveAgent 这个项目本身，也包括我在用 Hermes 开发它的过程中，对 Agent 工具分工、自进化、长期个人系统的一些体会。 这篇文章可以按两条线看：一条线是 PassiveAgent 作为个人注意力调度系统的项目介绍；另一条线是 H ...

引子：Agent 工程师的”吃狗粮”实验作为一名 Agent 算法工程师，我每天都在调优模型的 reasoning 链路、设计工具调用策略、处理多步规划的回滚。但有一个问题始终困扰着我：我自己的 Agent，我自己真的在用吗？ 于是我做了一个实验：把自己最常做的机械性劳动——写技术博客——彻底交给 Agent 来驱动。不是简单让 LLM 代写一篇文章丢上去，而是真正搭建一套从选题到部署的完整自动化流水线。每次执行只需几十分钟，产出一篇结构完整、配有暗色 SVG 图表的中文技术文章，自动 push 到 GitHub Pages 并上线 CDN。 这篇文章就是这个实验的第一篇产物——它本身就是 Hermes 写出来的，包括你现在看到的封面图。 选型：为什么不是 Claude Code 或 OpenClaw？在搭建之前，我对比了三个当前主流的开源 Agent 框架： 三个框架各有侧重。Claude Code 的定位很清晰——它是一个编码 Agent，擅长代码补全、重构、PR review，但它没有持久记忆，也不支持定时触发，更别提自进化能力了。对博客自动化这种需要跨 session 积 ...

0. 引言想象这样一个场景：你让 Agent 帮你调研一个开源项目。第一轮，你告诉它「只关注 Python 实现，忽略 JS 版本」。第三轮，它兴高采烈地给你推荐了一个 Node.js 库。你纠正了它。到了第五轮，它又忘了。 你忍不住问：你的记性为什么这么差？ 这个问题背后，是 AI Agent 领域一个被严重低估的核心挑战——上下文工程（Context Engineering）。大多数人以为，只要上下文窗口足够大（比如 Gemini 的 1M tokens），Agent 就能「记住一切」。但真实情况是：上下文窗口是 Agent 的 RAM，记忆系统才是 Agent 的硬盘——两者缺一不可，且各自有各自的工程难题。 本文将系统性地拆解 Agent 记忆系统，从问题定义到工程方案，分为六个层次逐步深入。 1. 问题定义：上下文窗口的幻觉长上下文是必要条件，但它带来的问题远比解决的问题多。我们来看四个核心挑战： 1.1 注意力稀释：Lost in the Middle2023 年，Liu 等人在论文 Lost in the Middle: How Language Models Use ...

在 Python 开发中，使用好的包和项目管理工具，相当于打好基础。这年头，来自 Astral (即 Ruff 和 Black 的开发者) 的新工具UV，一上线就很受欢迎，在企业场景也广泛使用，以 Rust 高性能实现，目标是替代 pip，virtualenv，poetry 等组合，成为 Python 最新一代的包管理栏杆。 为什么要使用uv现在的包管理工具有很多，conda，pip，poetry，pipenv 等等，功能各有千秋，但都存在一些问题，而uv则可以在很大程度上解决了这些问题。 自从接触到uv之后我几乎不再使用其他包管理工具，只有部分情况是例外的，比如个别仓库默认的包管理工具是conda或者poetry，而且这个项目用uv会存在bug，比如ComfyUI，使用uv就会有问题，这种就会使用conda。或者个别比较老的代码，有些时候就存在一些问题，这种还是求稳定最好。 uv的优势 极致性能 安装速度提升：这是非常重要的一点，UV 在无缓存的冷启动情况下，安装速度比 pip 快约 8～10 倍；uv在已有缓存的情况下，速度提升可达 80～100 倍。这一点看似不明显，但是亲身 ...

秋招基本也结束了，这里对整个过程进行复盘和总结，也是提前备战明年的春招。 这次秋招前期一直0offer，直到11月多才逐渐有差不多几家，最后开出来了一些，最终还是决定去钱多的地方，毕竟现在工作都不稳，钱多才是王道。 面试前的内容算法 vs 开发对于算法和开发的选择，我还是选择了算法，他们都说算法要有顶会，但是其实这个因素影响没有那么大的，我觉得不一定需要顶会，但是论文还是要有的，毕竟算法岗。没有顶会的情况下最重要的就是实习了，实习一定要把握住，这个可比顶会好拿到多了。我看往前几届的师兄师姐都去的开发岗，基本都是Java，但是这块我又不擅长，突击几个月还不一定有本科生学的好，干脆all in 算法了。毕竟算法还是比开发高很多的，还是可以冲下的。 另外一个选择的区别就是个人选择和未来规划，如果本科双非，同时没有科研论文，还没有实习，而且不打算后面卷，而是打算过几年回老家附近的地方，或者直接一步到位去二线城市，肯定直接Java，毕竟选择面非常广，Java的岗位数量遥遥领先，而且去国企银行运营商都好找工作。 如果还更有些追求，打算去大厂干几年，算法还是更好的，只是本科双非其实不算主要的问题，前 ...

一面今天9.30面的金山，金山这个面试基本是我面试过程最难的几个了，本来面试计划时间半小时，结果面了一个小时，面试官非常深挖项目，问的非常细，而且非常的耐心，里面就问了两个八股，看来要准备的还真的需要很多。 首先是自我介绍，然后问了下我的实习，第一部分主要是针对实习的具体内容展开，我先讲完做了啥， 用了什么模型，参数是多少，量级是多少，为什么用千问，盘古智子，千问大模型版本，结构，最大上下文长度是多少，怎么评测，选取哪个大模型。大模型训练出来的结果如何评价，用的什么指标。 LoRA微调原理，训练哪些层，都哪些超参数，超参数怎么设置的。 前面这块我了解的不是特别深入，然后就开始讲Prompt这块关于具体任务的内容，数据集怎么构造的，为什么这么构建，标注数据有什么问题，数据量多少，这个项目最终的好坏如何评价。 后面上线需要解决什么问题，是效果达不到，还是速度达不到，还是其他问题，千问的模型是否可以上线，解决方案是什么，后续怎么做。 还问了大模型的分布式这块了解不，我问是不是deepspeed这种，是，这块说了两句，不是特别懂。 然后问我后面哪个项目感觉做的比较深入，然后我说了第一个项目做的 ...

一面11.1下午这次面的是中金所的子公司，总共就面了15分钟，几乎没问技术。 过去首先自我介绍，然后问了下华为实习是不是能转正，我说不能，然后说现在华子秋招还没开。 然后问我是否了解这个公司，我说是金融方面的，具体还不是很了解。 问我最近在看什么书，我说最近秋招，所以在看人工智能方面的书，根据不不同的阶段和任务看书。 然后问我找工作有多个offer的时候看重什么，我说第一看公司的发展，第二个人能力的培养，第三个是薪资福利。 然后让我找一个印象深刻的经历，展开讲讲，我就讲了下实习的内容，讲完他都没问问题，直接就到了反问环节。 我就反问部门具体是什么业务，哪方面的，他说前沿技术岗，一个是跟踪行业发展，探索落地，各种大模型区块链都有涉及，这个部门是运维的，就是前沿技术在这块的应用。 然后我问了下后面还有几面，他说如果一面过了的话二面是具体岗位相关的技术，三面是HR面。 总体来说还是太简短了，相比上午面一个小时还是差很多。

一面这次面的是蔚来，开始面试官很热情，上来介绍他们部门是自动驾驶的芯片的，然后我自我介绍，然后就开始问问题了。这次面了一个小时，可以说底裤都被扒的干干净净，好多问题都没回答上来，感觉是要G了。 这次没问实习，毕竟实习是做大模型的，这边完全不做大模型了，纯视觉，所以问的我的项目。 首先第一个项目，这个是我研究生做的第一个项目，讲完问了效果误差如何，是否满足需要，我说误差1%差不多是可以用了，而且成本低，这块简单问了下，还问了整个过程都用了哪些模型。又问了我用的MMPose框架内部是怎么实现的，这个框架我还真不是特别了解，只是用过，所以回答的不是很好。然后问我这块目标检测用的模型，这块是项目中很小的一个点，我都没准备，结果问到了，我就回答不好了。 然后第二个项目，这个讲完主体后，让我讲下这个过程用了什么模型，我讲了下还有效果。然后问实时性什么的是否满足需要，我就讲了下整体的流程架构。然后问这个项目的难点是什么，我说主要应该是解决具体的问题。然后问我有没有做边缘部署，我说这个本来有这个需求，但是后面没谈好，就没做了。还问了项目指标到多少，评价指标如何设计的，这块也是回答了个大概。 然后问第三 ...

一面 30下午面试的广联达，这是个做建筑设计的公司，过去自我介绍完，他们好像主要是偏视觉一些，所以先问了我第一个项目，讲完之后追问了一些细节，包括问用的什么模型，模型的结构是什么。然后其他的问了下实习的内容，我就把实习的内容讲了一遍，他就问了下相比之前的效果如何，我说主要是业务流程上的改进，用大模型来完成这些事情。 之后他想问八股，我说计组计网操作系统编译原理都没学过，他就问了下如何处理类别不均的问题，这个我举了我实习时候的例子，再结合了之前做一般小模型时候的一些处理方法，给出了一些回答。 然后是问他们部门，他介绍了下他们公司主要偏视觉一些，是建筑信息化方面的公司，涉及图文生成和3DGS之类的，我也聊了下先关的内容。