研

实验室

讲义是想明白的，实战是拆解过的，实验室是做出来的——这一区陈列我自己造的项目：多数已开源，也有跑在生产里的系统。都是为了同一件事造的工具：让 Agent 在长任务里不漂移、有记忆、上下文可控、用量看得清。每个项目一页，固定结构：解决什么 → 核心机制 → 怎么用。

项目

把「用 Claude Code 做长程任务」的工程方法，沉淀成一套可 clone 即用的项目骨架。

给你正在构建的产品 Agent 装一层运行时记忆——四个角色把经验沉淀成可复用的教训。

用一张 CONTEXT.md，把进入上下文窗口的每样东西按七层管理起来——每层带预算和缓存策略。

一条命令读本地 Claude Code 日志，把 token、成本、模型分布、缓存节省算清楚。

把设计精良的 Claude Agent Skills 当教材拆开，提炼可复用的设计模式。

两千行内、零框架、教学优先的 SuperAgent harness 复刻——从 18.5 万行的 deer-flow 里蒸馏出 agent 核心，逐切片公开构建，已推进到第 11 刀。

把 7.7 万条第三方技能包做成 500ms 语义检索技能库底座的工程方案——五层管线 + 17 条踩坑结晶。

线下会议自动纪要：录音 → 本地转写 + 说话人分离 → claude 生成纪要 → 落 Obsidian，全程无人值守。

用 Python 从零复刻 inkeep/open-knowledge——人与 AI agent 共用的 git-native markdown 知识底座，「通过重建来拆解」。

一条打进打出的电话链路：实时语音对话 + 通话持久化 + LLM 质检闭环，跑在真实招聘业务里。

把一个真人蒸馏成可对话的数字分身：多源喂料 + 自适应访谈钻探 + 溯源 RAG 作答 + 对齐飞轮 + 本人声线，整条流水线自建并跑在生产里。