TAG
#agent
写了几十个Skill之后，我总结出这套工程方法：从「触发不了」到「生产可用」
一套把 Skill 写对、写稳、能长期维护的工程方法，来自写完几十个 Skill 的实践总结。Skill 是三层而不是一个文件：L1 元数据负责路由，L2 正文控制行为，L3 资源提供事实与确定性。绝大多数 "触发不了" 是路由失败，靠写清 "做什么、何时用、何时不用" 的 description 解决；执行漂移靠编号步骤、停止条件、"规则 + 原因" 的写法解决。护栏把 "应该" 变成可机器校验的检查点，失败处理分级。拆合看 "变化原因" 而非文件长度。四个评估指标（路由、步骤遵循、检查点、任务成功率）直接定位该改哪里。文末附版本化、trace 调试流程与可直接抄的检查清单。
从Agent Loop到PlanMode：一套能跑生产的AI Agent工程骨架
一套能跑生产的 AI Agent 工程骨架，用操作系统类比拆解。Harness是操作系统，LLM是CPU，Agent Loop是内核主调度循环——不断组装上下文、派发工具调用、等待I/O。明确的终止条件、真实校验与磁盘持久化缺一不可。Two-Stage ReAct把想和做分开：先dry-run，再真正执行。read、write、edit、bash四个工具对应文件系统操作，只读并行、涉写串行。AGENTS.md、Skills、PlanMode构成三级记忆体系，保证长任务不跑偏。文末附可直接使用的伪代码。
一行代码让Agent账单翻10倍：KV Cache友好的Agent设计
Agent跑得又慢又贵？问题往往出在KV Cache被打穿。本文从KV Cache原理讲起，给出三条铁律：系统提示词与工具定义字节级固定、动态信息一律追加到末尾、使用标准API格式勿自行拼接。并以Qwen3、DeepSeek、Claude为例，剖析不同模型对思维链回传的差异与缓存杀手，助你建立缓存可观测性，让首Token延迟与账单同时下降。