2026 年 2 月 27 日
大家好，我是油油，一个菜鸡小前端，这个博客主要用来记录在 AI 时代自己的所学所思所感。
- 胡说八道：自己的一些想法，或者日常分享
- 架构分析：通过 AI 工具对一些代码仓库的分析
- 创业鬼才：脑子里的一些不切实际的想法，也许在 AI 时代真能变成现实
可以通过我的邮箱联系我：lyy_lvyouyou@163.com
最近文章
- 01 架构分析
Claude Code 工程化实战（一）：Claude Code 工程化全景：从 AI Coder 到 Agent Harness
这张图把 Agent Harness 画成一间工程控制室：模型在中央理解目标，Tools、Memory、Permissions、Hooks、MCP 与 SDK 分布在不同屏幕上，分别承担行动、长期事实、边界、验收和外部连接。重点是...
- 02 架构分析
Claude Code 工程化实战（二）：上下文工程：Memory、Sub-Agents、Skills 与 Workflow
这张图把上下文工程画成信息分拣中心：噪声进入暂存区，长期事实进入 Memory，操作手册进入 Skills，复杂探索交给 Sub-Agents，固定流程沉淀为 Workflow。上下文工程的核心不是把信息塞满，而是让每类信息去它该...
- 03 架构分析
Claude Code 工程化实战（三）：安全与质量控制：Hooks、Rules、Tools 与 MCP
这张图把安全与质量控制画成一套工程安检门：Tools 是可调用能力，Rules 是通行规则，Hooks 是执行前后的检查点，MCP 是通往外部系统的受控接口。这个画面的含义是：Agent 越能干，越需要清晰边界。安全控制不是让它慢...
- 04 架构分析
Claude Code 工程化实战（四）：从个人助手到团队平台：Headless、Agent SDK 与 Plugins
这张图把团队平台画成一条能力生产线：个人规范化、项目共享化、流程自动化、能力产品化依次连接。Headless 负责无人值守的自动化，Agent SDK 负责把能力嵌入内部系统，Plugins 负责把一组经验打包复用。Agent 真...
- 05 架构分析
前端智能体开发（一）：前端接入大模型：API、流式响应与多模态产品边界
这张图把一次大模型调用画成一条产品管线：请求协议负责把用户意图组织成结构化输入，流式响应让用户尽早看到结果，多模态模块处理图片、语音和视觉任务，工程边界负责鉴权、限流、日志与费用统计。真正的 AI 前端开发不是“浏览器里写一个 f...
- 06 架构分析
前端智能体开发（二）：提示词与结构化输出：让 AI 前端可控、可解析、可交互
这张图把提示词、JSON 和动态解析器画成一条可验证的界面生产线：提示词负责定义任务和约束，结构化输出负责把结果落到可处理的字段里，解析器负责在内容增量到达时持续判断状态。AI 前端要做到“可用”，关键就在这三件事上。
- 07 架构分析
前端智能体开发（三）：AI 工作流编排：让多个智能体跑同一套流程
这张图把 AI 工作流画成一张节点编排面板：大纲节点先确定结构，内容节点分段展开，工具节点负责搜索、存储和处理，所有输出最终通过同一条事件通道传给前端。复杂 AI 应用很少只靠一个模型调用完成，真正的难点是把多个节点、多个工具、多...
- 08 架构分析
前端智能体开发（四）：智能体产品实战：从问题到可信答案的完整回合
这张图把一个智能体产品画成完整回路：用户输入进入系统后，先被改写成可处理问题，再用 RAG 补充事实，随后结合记忆和人设组织回答，最后用语音、插图、听书等方式完成体验。真正能落地的智能体产品，拼的不是单次回答有多漂亮，而是每个回合...
- 09 架构分析
前端智能体开发（五）：企业级 AI 前端：AI Coding、工具调用、MCP 与本地推理
这张图把企业级 AI 前端画成工程网络：AI Coding 负责提升开发效率，本地模型负责隐私与成本，Tools 让模型执行动作，MCP 把外部系统接成标准工具，端侧推理把一部分模型能力放回浏览器。企业场景的重点不是单个模型有多聪...
- 10 架构分析
前端全链路优化实战（一）：从一次卡顿投诉开始搭建前端全链路问题闭环
前端全链路的核心，不是做一套更漂亮的监控页面，而是把“用户说页面不好用”这类模糊问题，拆成可以被验证、被定位、被修复、被复盘的工程动作。它更像一张事故复盘看板：不能只看浏览器报错，也不能只看接口耗时，必须把用户、页面、网络、接口、...