Direction
多 Agent 系统
研究如何给 AI Agent 设计能力边界、记忆、协作协议和验证回路。
杨青峰 Qingfeng Yang
歌贼王·@songth1ef
AI 应用研发工程师 · 把 Agent 做成能上线的系统
做 AI 应用与 Agent 系统研发。日常主线是把大模型能力接进真实业务系统——从前端到后端到部署链路，一个人能端到端交付。
主栈 TypeScript（Next.js / NestJS / Vue 3），同时在做多机 Agent 协作：跨机共享记忆、Agent 之间的异步协作协议、可机器判定的任务验收——已经在真实任务上连续跑通。
关心的是可验证性和自动化杠杆：一个系统能不能自己判断做对没有，比它跑起来更重要。
当前主线
Projects
用真实项目验证判断
Nestwork、A2A mesh、cheat-on-content 和 Duovid 都是不同侧面的实验。
Writing
把经验沉淀成可复用资产
文章不是观点堆叠，而是把项目里的取舍、踩坑和方法论写清楚。
技能栈
链接
最近文章
全部 →给 agent 的记忆瘦身：常驻和按需分层
记忆越攒越多，agent 每次启动要读的东西也越来越多，最后变成「什么都记得，什么都用不上」。我的做法是把记忆分成两层：常驻层只放「我是谁、现在在干什么、最近动了什么」，加起来十几 KB；其余都是按需检索的主题文件。在我自己约 180 个记忆文件、三十多万 token 的库上，启动时实际加载从约 7 万 token 降到了几百。这篇讲分层的规则，以及哪些东西不该进常驻。
几个月没手写一行代码，我怎么衡量自己的产出
我已经几个月没手写过一行代码了，所有代码都由 AI 生成，用同一个 git 身份提交。这让旧的衡量方式全部失真：提交数大部分是机器的，代码行数更说明不了什么。我换了一套尺子——只看交付物，只问流向不问辛苦，把「验、收、推、合」当成真正的瓶颈来管。这篇讲这套尺子，以及它逼着我承认的几件事。
不懂 git，也能管住十几个 worktree
git 是我明确的短板：多分支、rebase、冲突、读提交图都不熟，还闯过真实的祸。但现在我同时开着十几个 worktree、几个 agent 在不同分支上干活，局面反而比以前清楚。办法不是先把 git 学透，而是让 AI 管 git，我只管几条它必须遵守的纪律，以及几个我随时能问的问题。