Xudong Han

推荐一篇写得非常清楚的 LLM Eval 指南。没有概念堆砌，而是用一个客服助手例子把「怎么测、测什么、数字怎么看」讲透了。做 AI 产品的人值得收藏。

推荐一个挺有意思的开源项目 LearnHarness，感觉可以拿来啃各种难懂的知识。 它会先通过提问摸清你的知识基础，找到理解上的盲区，再用 Agent 规划学习路径，边讲边练，根据你的回答不断调整教学内容。 它的 Memory 设计也很有意思，会把学过的概念和推理关系保存成知识图谱，下次可以接着之前的进度继续学。 用途也挺广，数学、机器学习、编程、物理、经济学、哲学，甚至备考、读复杂的科研论文，都可以拿来试试。 感觉很适合想系统学习一个新领域，又不知道从哪里入手的人，值得收藏研究一下！ GitHub：https://github.com/amosblomqvist/learnhar…

DeepSeek 刚提出 Super-agent，LangChain 又发布了《Agents Are Going Async》，两篇文章放在一起看，感觉 Agent 的架构正在发生一个很重要的变化。 现在 Agent 越来越能干，但执行一个长任务时，人经常还得盯着 Session，等它跑完才能继续安排工作。 LangChain 在 Deep Agents 中引入了 Async Subagents，给出了一套很具体的解决方案。 主 Agent（Orchestrator）负责和用户交互，耗时任务交给后台 Subagent，每个任务都有独立的 Thread，启动后立即返回，不会一直阻塞主 Ag…

你是否需要很长的上下文？ NVIDIA 新论文标题给了一种答案:《You don't need long context》。 现在模型的 context window 越做越长，128K、256K、1M 已经很常见。 但论文先指出一个很现实的问题：context 越长，后面的 token 越贵。 在他们测试的开放模型上，256K context 相比 16K，每个输出 token 的推理成本高出约 3.6–7 倍。 作者于是做了一件很简单的事： 让 Agent 定期「压缩」自己的工作状态。 对话变长以后，把当前进度、关键发现和下一步计划总结成一个更短的 semantic stat…

最近一直在琢磨，团队用 Agent 协作开发时，任务怎么分工、交接，代码怎么提交和 Review，才能真正提高效率。 前几天在上海 AI Engineer 大会上，Manus 分享了共享 Monorepo 和开放任务的协作方式，MiniMax 则讲了不少 Harness 设计和工程实践，听完挺受启发。 刚好 @Ronny_MiniMax 把 MiniMax 团队内部实际使用的 mcode-stack 开源了。 从 Subagent 任务拆分、小 PR 提交、独立 Code Review，到长会话交接和 Harness Eval，都整理成了可以直接安装的 Skills 和 Workflow…