架构设计与系统思考
跨模块理解职责、权限、可靠性与演进,判断一次改动是否真正改善用户结果。
下列阅读分组不是产品上线清单;设计讨论、受控验证与真实交付的边界以各篇原文为准。
本类文章60 篇文章
篇数仅计本类文章,关联阅读另列,不重复计数。
标签 · 同时满足所选标签
01 / 05
深度持续研究
后台异步研究、阶段交付、持久恢复和历史论点连续性:让复杂研究跨时间真正完成。
- Agent 客户端交互全景:从提出问题,到读懂结果、继续研究
- 超长研究全景:让 Agent 跨越上下文、中断与时间继续交付
- 让 Agent 持续研究半小时:从普通研究到可靠交付的设计
- 想聊就聊,没收 AI 对话框的中止按钮!一天让你的 Agent 支持异步后台深度研究
- 从投研聊天到持续研究:DeepSeek Super-agent 给我们的启示
- 一份周报过去后,Agent 还记得为什么这样判断吗?
- HTML 保存了,为什么还是交付失败
- 故障切换:换路线,不重置任务
- 断线不是崩溃:为什么 Agent 不必恢复原来的执行图?
- Run 终结权、阶段预算与安全恢复
- 投研 Agent 的关键不是多调用工具:Model、Harness 与 Loop
- Deep Research:从资源升级到研究交付,我们怎么实现,又测出了什么?
- Adaptive Research 与 Python
- 异步研究:离开页面后怎样按时交付
- 渐进式回答如何保持连贯
02 / 05
Subagent 与专家
从多视角研究和有界对抗,到专业化协作、独立交接与 Main 综合。
03 / 05
金融研究与业务责任
金融数据与计算口径、投研服务边界,以及投资业务的真实责任。
04 / 05
架构学习路线
从入门、进阶到深入机制;用自己的资料练手,再展开六层全景。
- 十五分钟入门 Agent
- Prompt、Context、RAG、Memory,模型的输入从哪里来?
- Agent 进阶:读懂 Open ETF Agent 的十个核心模块
- Tool、Function Calling、MCP、Skill,一次行动怎样发生?
- 聊天记录、上下文、记忆、检查点,Agent 怎样接上过去?
- Agent 运行身份全景:从一次聊天到 Model Turn,系统到底在继续什么?
- Agent 深入:从一份报告到持续执行与专家协作
- 把自己的资料交给 Agent:从第一份报告到可恢复的研究项目
- 专家、Subagent、Review、Judge:都是另一个模型,为什么不是同一回事?
- 报告写完以后:让 Agent 查证、协作,再独立复核
- 从一次提问到答案可见:ETF Agent 六层调用全景
- Agent 上下文治理全景·原则篇:让每一步判断围绕目标展开
- Agent 上下文治理全景·行动篇:从首轮输入到长期记忆,怎样真正落地
05 / 05
系统边界与演进
跨模块证据关系、职责边界、故障归因、可靠性与长期架构演化。
- ETF Agent 与 LangGraph 深度对比:概念映射、状态恢复与研究交付
- 从 Chat 到 Copilot,再到 Agent:AI 系统的底层架构究竟发生了什么变化?
- 把 Agent 拆成三个进程,究竟换来了什么?从单体 Runtime 到独立宿主
- Agent 开发与后台开发有什么不同:从一次请求到长期个人助手
- 一份报告背后的九个架构判断
- Agent 的可信与不可信:从局部事实到系统承诺
- Agent 的脆弱与反脆弱:当保护机制开始制造故障
- 失败已经确定,为什么还返回不了?清理与结果结算的责任边界
- 别让模型当状态机
- Model / Runtime / MCP / Skill 的分工
- 金融 Agent 的可信证据链
- 为什么 AI Agent 也需要《思考,快与慢》?
- Agent 引用系统设计:从来源签发、版本绑定到独立复核
- 代码越来越便宜,为什么系统却越来越难升级?
- Agent 架构如何做到该稳定的稳定,该变化的变化?
- 别把每个失败都算给模型
- 局部改善不等于整体进步:怎样判断 Agent 真的变好了?
- Agent 可观测全景:从一次模型请求到可回查的研究事实
- Agent 生成一份报告,到底应该怎么算成本?
- 工具调用到模型输入的观测链