A personal knowledge forge — notes on AI engineering, cloud architecture, philosophy of technology, and the craft of building with modern tools.
This vault captures reading notes, technical deep-dives, and reflections from an architect's perspective. Topics span AI-native development workflows, context engineering, ontology-driven data platforms, and DevOps practices.
View Live Graph — Interactive force-directed visualization of the personal knowledge wiki, covering concepts, methods, decisions, and their typed relations.
Click any node to inspect its claims, confidence scores, and connections. Filter by node type, relation type, or search by keyword.
- Context Engineering vs MCP — Full Series
- A Survey of Context Engineering for Large Language Models 读书笔记
- Context Engineering vs. Model Context Protocol
- MCP vs CLI — 为什么开发者在重新审视 MCP
- Context7：让 AI Agent 实时获取最新文档的 MCP Server——以 Azure 文档为例
- Claude Code 系列 01：核心概念与设计哲学解析——从 Agent Loop 到 Harness 工程的实践地图
- Claude Code 系列 02：learn-claude-code——打开 Coding Agent 黑盒
- Claude Code 系列 03：Agent、Subagent 与 Teammate 架构解析——从一次性委派到长期协作
- Claude Code 系列 04：扩展三剑客——Command、Skill 与 Agent 的区别与协作
- Claude Code 系列 05：记忆全景——从 Session 到 Memory 的六层持久化体系
- Claude Code 系列 06：Plugin 生态调研——协议、最佳实践与自定义 Plugin 开发
- Claude Code 系列 07：Harness 分层架构——从 50 万行源码到社区框架的控制论解读
- Harness 实践案例：从一次 Memory 失效到记忆治理体系
- OpenCLI——万物皆可 CLI 的结构化革命
- 从 Google 五种 Skill Pattern 到 Agent Runtime——Skill、MCP 与 Agent 的统一架构
- Exa、Tavily 与 Context7——AI Agent 搜索三剑客的定位与 MCP 配置实践
- Agent-Reach 与 OpenCLI——命令编排型 Agent 框架的两条路线
- Agent 经典范式与人类问题处理模式的映射
- AutoResearch 概念澄清——与 Ralph-Loop 和 AutoML 的本质区别
- OpenClaw 架构解读——从 claw0 教学仓库理解 AI Agent 网关的核心设计
- Voice Live Agent 实现架构——从级联流水线到 Azure Voice Live API
- InkOS 深度感想——AI 小说创作中的 Harness Engineering 范式
- Hermes Agent vs OpenClaw 深度技术对比
- 系列01：全面系统的了解 Harness Engineering 的来龙去脉
- 系列02：架构师视角的 AI Harness Engineering 最佳实践
- 系列03：AI-Native 开发实践——从 Figma 设计到 Superpowers Brainstorm 再到 Spec-Delta 工作流
- 系列04：流程框架选择指南——GSD、SpecKit、OpenSpec 与 Superpowers 的组合实践
- 系列05：大项目落地困局——从 Context 爆炸到 Skill Runtime 的范式迁移
- 系列06：GSD 项目规模分级实践——从快速脚本到超大规模的 Context 策略演进
- 系列07：Coding Agent 时代的代码复用——从架构约束到 Plugin 协作的实践指南
- 系列08：GSD + Superpowers + gstack 三层插件架构——从定位争议到组合实践
- Claude Code 双插件最佳搭配：superpowers 当大脑，gstack 当手脚（外部参考）
- 深入对比 Gstack、Superpowers 和 Compound Engineering 三个最火的 AI Coding 工具（外部参考）
- 系列09：开源社区框架融合实践——从双插件搭配到多工具编排的案例与模式
- 系列10：oh-my-claude-code——Vibe Coding 的未来终极形态吗？
- 系列11：架构测试全景——从 ArchUnit 到 AI 辅助架构 Review 的工具链实践
- 系列12：测试环境即代码——从 Testcontainers 到 Ephemeral Environment 的 Harness 实践
- 系列13：控制论如何指导 Harness Engineering——用 Regulation 和 Requisite Variety 让 Vibe Coding 变得可控
- Notion 学习笔记——核心概念、AI Agent 能力与 Obsidian-Claude Code 协作架构
- cmux 使用笔记——从 Ghostty 增强到 AI Agent 终端的实践
- 从日记到知识库：Obsidian × oh-my-claudecode × LLM Wiki 的个人知识编译实践
- 个人知识编译器进化：从三层知识模型到持续迭代的知识系统
- 使用 Skill-Creator 融合多个 PPT Skill 打造 CSA 专属演示工具
- RTK（Rust Token Killer）——AI Coding Agent 的 Token 压缩利器
- Caveman 深度解析——LLM Token 压缩的 Prompt Engineering 之道
- Caveman 与 RTK 对比——两种互补的 LLM Token 优化方案
- CodexSaver 深度解析——基于 MCP 的模型路由 Token 成本优化
- Microsoft Fabric IQ 与本体论（Ontology）研究
- Azure Copilot 生态全景：Skills、MCP Server 与 Copilot Agents 的协作实践
- Microsoft Fabric IQ 本体（Ontology）管理功能实操解析
- 本体论（Ontology）：从哲学根基到计算机科学的概念迁移
- 西方本体论的当代转折
- 控制论相关概念澄清——Cybernetics、Harness、强化学习与在线学习
- 控制论与科学方法论——从控制论到 AI Agent 设计方法论
- How AI Impacts Skill Formation — 读书笔记与质疑
- The Bitter Lesson — 算力终将胜出，对 AI Agent 工程的启示
- Continually Self-Improving AI 论文精读笔记
- Building Enterprise Realtime Voice Agents 论文精读笔记
- Meta-Harness 论文解读与实践思考——概念澄清、三种构建路径对比与工程落地
- VAD 技术全景——从噪声环境论文到工业级语义端点检测
- Brevity Constraints Reverse Performance Hierarchies in Language Models——简洁约束逆转模型性能层级
Personal knowledge notes. Feel free to reference with attribution.