不是越多 Agent 越好。**大多数时候一个就够了**。但确实有三种场景，一个 Agent 独木难支。搞清楚什么时候真的需要分工，比学会怎么用多 Agent 更重要。 本文讲透四件事：**三种该拆的真实场景、并发与串行的判断规则、脑暴模式的独立与汇总、定时任务的成本陷阱**。 同时搜索 5 个来源，比一个一个搜...

生产级的 System Prompt 不是想到什么写什么。它是**分层管理的**：身份层、环境层、工具层、行为层，各管各的，**改一层不影响其他层**。 本文讲透四件事：**怎么把一坨文本拆成分层结构、工具描述怎么按需加载、Skill 怎么做成可运营的模块、动态内容怎么毁掉 KV Cache**。 你是一个 AI...

每一轮对话都要把全部历史重新发给模型。于是三个问题同步恶化：**对话越长，费用越高、注意力越分散、离窗口上限越近**。 这三个问题决定了：**上下文不能放任不管**。本文把上下文管理讲透：先看清"三长"问题的本质，再给出**删、压、留**的决策框架，最后是**本地压缩 vs LLM 压缩**的流水线顺序。 | 问...

在 Alice（AI Agent 桌面应用）里，调通生图 API 只花了一天。但从那一天到用户真正能用之间，还做了**三个月的产品化工作**。 调通 API 只是 **10%**，剩下 **90% 是产品化**。这篇文章把 AI 生图的产品化讲透：第一个要做的决策是**文生图还是垫图**，然后是 **LLM 翻译...

LLM 应用的账单上只有两个变量：**输入 Token 和输出 Token**。很多团队把精力全花在"模型选得多强"上，却对成本结构一无所知——直到月底账单翻倍才惊醒。 本文把"LLM 成本优化"讲透，主线一条：**先懂为什么贵，再谈怎么省**。从多轮对话的指数增长根因，到 KV Cache 的空间换时间，再到五...