知识分享
技术文章、实战教程、经验心得
一天一个开源项目（第220篇）：WeKnora —— 腾讯开源的企业级知识框架，从 RAG 问答到 Wiki 自进化
WeKnora 是腾讯开源的 LLM 知识框架，融合 RAG 快速问答、ReAct 智能体多步推理和 Wiki 模式自动生成互联知识库三大能力，支持 20+ LLM 提供商、10+ 文档格式、企业级多工作区 RBAC，是微信对话开放平台的核心技术底座。25.4k Stars，MIT 协议。
Code Agent 解剖（11）：Harness 设计之一——控制流
从 harness 工程设计视角审视 MyCodeAgent 的控制流：为什么选择单一主循环而不是多循环、不可变状态机的工程价值、完成门的反馈回路设计、终止路径的完备性。这是 Part 4 Harness Engineering 的第一篇，关注的是「为什么这样设计」而不是「是什么」。
Code Agent 解剖（08）：一个任务太复杂，怎么拆给子 agent 做？
深入 MyCodeAgent 的子 agent 机制：Task 工具、RuntimeProfile 沙箱约束、SubagentLauncher 完整执行链路、结构化结果合约。理解主 agent 如何把探索性任务委派给只读轻量子 agent，以及为什么子 agent 不是「简化版主 agent」而是受严格约束的执行单元。
Code Agent 解剖（02）：agent 是怎么一轮一轮思考和行动的？
深入 MyCodeAgent 的 ReAct 主循环：不可变状态机、双层循环结构、完成门三态判决、模型错误恢复机制。理解 agent 为什么不是「调一次模型拿结果」，而是一个有反馈、有保障、有明确终止条件的控制系统。
Code Agent 解剖（01）：用户输入一句话，agent 内部发生了什么？
从 python main.py 到回答输出，完整追踪一条用户输入在 MyCodeAgent 中的数据流。覆盖 CLI 入口、依赖组装、ReAct 主循环三个阶段，建立后续深入各模块的整体地图。
Agent系列（二）：ReAct——Agent 的「思考-行动」循环
深入解析 ReAct（Reasoning + Acting）范式：Thought → Action → Observation 三元组循环如何让 Agent 真正"思考"。附完整可运行示例代码，展示 5 个真实场景的执行追踪，以及如何用 recursion_limit 防止 Agent 失控。
Agent 系列（一）：Agent 是什么——不只是「会调工具的 LLM」
Agent 系列第一篇。厘清 LLM、Chatbot、Agent 三者的本质区别，理解 Agent 的四要素，以及流程驱动 vs AI Native 两种范型——帮你搞清楚什么时候该用 Agent，什么时候 LLM 直接调用就够了。