Agent

这个解决冷启动区别不就只在你用了一个cpu轻量模型的选择，这个感觉差别不大吧，感觉让大模型在本地做一个skill的grep也能找到合适的 skill卸载为什么状态会丢失，skill不是已经加载到上下文了吗 然后skill变化，为什么要修改历史上下文，这样改了也没什么意义吧，只要让新的turn让llm知道这个skill版本有变化，后面用到再重新加载一次，这不是比修改历史更简单

Agent主流架构:
按复杂度梳理了 Agent 的七种主流架构，核心观点是：没有万能架构，只有和任务复杂度匹配的架构。 
一、简单任务：单 Agent 最直接；需要边看工具结果边调整就用 ReAct。 
二、复杂拆解：Plan and Execute 先规划再执行；多 Agent 把角色分给 Planner、Coder、Reviewer 等。 
三、工程推荐：Router + Skill，先识别意图再走固定流程，适合 AI Coding 和企业助手。 
四、共享状态：Blackboard，多 Agent 围绕同一块状态协作，信息和冲突集中汇聚。 
五、生产稳定：Graph / Workflow，把任务编成可观测、可回溯的节点流程。 

一句话总结：原型用单 Agent，探索用 ReAct，协作用多 Agent，生产回到可控 Workflow


Agent记忆系统设计精髓：摒弃"万能向量库"思维。核心是分层架构+三大机制：
写入策略(异步处理+信度评估)、
读取策略(按需路由)、
时间管理(双时间戳)。
这解决了精确查询与状态时序的根本难题，是生产级系统与Demo的本质区别。

视频讲的是 Agent 防 Prompt 注入的面试题，核心观点是：光在系统提示词里写"别被攻击"等于裸奔上线，面试官想听的是四层纵深防御架构。

一层 Prompt 层：用边界符把用户输入包起来，明确区分数据和指令。

二层 网关层：主 Agent 前后各设一道 Guard，Input Guard 拦恶意输入，Output Guard 校验动作和脱敏。

三层 架构层：把"脑"和"手"物理隔离，数据平面只理解不碰工具，控制平面只接收结构化意图，高危动作人工确认。

四层 模型层：用红队样本做 SFT/RLHF 安全微调，提升模型自身的免疫力。

一句话总结：Agent 安全没有银弹，目标是让错误永远无法扩大成事故。


多Agent死锁与资源竞争的面试题，核心观点是：背"破坏死锁四条件"只是教科书答案，
面试官真正想考察的是生产级的系统设计能力。 具体落地手段有五点： 
1、统一资源申请顺序，给所有资源排个序，强制按ID从小到大获取锁，从根源杜绝循环等待。 
2、分布式场景用tryLock而不是lock，设置好等待时间和持有时间，利用看门狗机制自动续期，防止业务没执行完锁就提前释放。 
3、同步调用链太长时，引入消息队列做异步解耦，上游发消息就返回，下游慢慢处理，还能应对突发流量。 
4、线上真出死锁，用jps找到进程ID，再用jstack打印线程栈，搜"Found 1 deadlock"就能定位到具体线程和锁。 
5、最后一道防线是全面加超时：远程调用设5秒、tryLock等待100毫秒、数据库事务动态配置1到5秒，宁可快速失败也不能无限阻塞。 

一句话总结：高手不是等死锁发生再去排查，而是从架构源头就设计出一个不会死锁的系统。

视频讲的是开源项目Semantica登顶GitHub趋势榜，代表Agent技术正从RAG检索转向Ontology本体。核心观点有三个：
一是传统知识图谱只回答"有什么"，而Palantir式本体回答"能做什么、受什么约束、有何影响"；
二是Agent落地真实业务时，光靠Prompt加向量检索已经撑不住，必须把决策变成图谱节点，实现系统级可审计；
三是RAG解决"知道什么"，本体解决"可以做什么、为什么、有何影响"，本体才是Agent下半场的核心基础设施。

AI产品经理拆解智能运营Agent

视频核心是腾讯P10专家拆解智能运营Agent需求的三层逻辑： 
1、先定义人机协同模式，明确是人主导还是Agent自主运行，据此设计权限和刹车机制。 
2、用产品确定性对抗模型不确定性，给每次决策和工具调用设置信度阈值，不足就挂起人工复核，连续失败则降级告警。 
3、设计能力进化飞轮，提前规划数据回收链路，把采纳、驳回、修正记录回流，持续迭代策略。 

一句话：真正的AI产品经理价值不在对接多少API，而在复杂不确定场景里设计出稳定、可信、可自主进化的人机协同工作流

超长上下文
摘要漂移, 智能截断,信息重要性权利标签、分层摘要
视频核心讲大模型处理超长上下文的实战经验：面试常见问题背后藏着真实业务风险。
团队曾因简单滑动窗口导致AI忽略关键路径修改，根源是Transformer的O(n²)计算瓶颈和"信息位置效应"（U型注意力曲线）。
解决方案分三层：
智能截断（按指令权重分级保留）、分层摘要（Map-Reduce式总结）、RAG（向量库精准检索）。
没有银弹，需根据场景选择——简单问答用智能截断，复杂Agent选RAG，关键是要理解"为什么"而不仅是"怎么做"。