Backend Basic
Asyncio 写后端时，asyncio 最容易被误解成“让 Python 变快”。更准确地说，它解决的是另一类问题：当程序大量时间花在等待网络、磁盘、数据库、缓存、第三方 API 时，不要让一个等待中的请求占住整条执行线。 ...
技术博客
Harness Engineering for Self-Improvement
原文：Harness Engineering for Self-Improvement，作者 Lilian Weng。 递归式自我改进（recursive self-improvement, RSI） 的概念可以追溯到 I. J. Good (1965)。他把“超智能机器”定义为一个能够在所有智力活动上超越人类，并能设计出更好机器来改进自身的系统。Yudkowsky (2008) 用“递归式自我改进”这个说法描述一个特定反馈环：AI 使用当前智能来改进产生其智能的认知机器。 ...
Agentic RAG
Why not ReAct? 传统 RAG 通常只在生成前检索一次，检索内容主要由原始问题决定。因此，在多跳问答或复杂推理任务中，它很容易遇到信息不足、检索偏差或上下文不完整的问题。 ...
Agent Harness
这篇博客主要是总结一下项目，讲这个项目的 Agent Harness Loop Engineering 这个项目本质上是一个 prompt 引导的 ReAct Agent。标准 ReAct loop 用 langchain.agents.create_agent 搭；如果要完全控制 Think、Act、Observe、Reflect 每个节点，就直接用 StateGraph 自己搭。 ...
Reinforcement Learning for LLMs
这篇博客想梳理大语言模型对齐阶段最常见的几条路线：PPO、DPO、GRPO 和 GSPO。 它们经常一起出现，但并不在同一个层级上。更准确地说，SFT 是让模型学会“按指令回答”的第一步；RLHF / DPO / GRPO / GSPO 则是在此基础上，让模型的输出更符合人类偏好、任务奖励或可验证标准。 ...