给 skill 建门禁：一天里的三种沉默失败、一次红线写法实证，和它抓到的上游 bug（又一只）
上个月我写过一篇《从 trace 到 eval》，主线是「测 agent」：trace 是一等公民，eval 要防假通过和假失败，门禁不是判官是反馈回路。文章里的 harness 测的是一个插件系统（dsh）的行为回归。
Recent Posts
从 trace 到 eval：trace 设计、agent eval 方法论、一个 eval harness 的实现，和它抓到的上游并发 bug
我开始做 AI 相关 App，从 chatbot 到 agent，一年多了，攒了些经验。这篇分享我在 trace 和 eval 上的做法与观点。
一年后重读得物 BuildingClosure 优化
2025 年 4 月，得物技术团队发了一篇文章得物 iOS 启动优化之 Building Closure，讲他们排查到 iOS 启动耗时中 BuildingClosure 阶段的一次诡异暴增。根因不是动态库、不是编译选项、不是打包脚本，而是新增的几个 ObjC 方法名，跟已有符号在 dyld 的完美哈希构造算法里...
GitHub Actions 每日自动测试：从 schedule 踩坑到跑通
我在维护两个项目，一个是 Swift 写的 macOS CLI 工具（ForgeLoop），另一个是 Rust 写的微信 Bot（AMClaw）。开发阶段每次 push 都跑全量测试太费时间，而且有些测试在本地 commit 之前已经跑过了，CI 再跑一次完全重复。
UITextField：一个控件，半个系统
在 iOS 开发里，没有哪个基础控件能像 UITextField 这样—-表面上代码只有一行，背地里却牵扯到半个操作系统的子模块。它泄漏、它卡顿、它生命周期诡异、它让内存检测工具集体失语。更麻烦的是，这些问题往往不是你代码写错了，而是系统层面组合出的结果。
Agent 上下文工程的关键，不是记住历史，而是重建工作面
把 Agent 的上下文理解成“聊天记录”，很自然，也很容易把问题看浅。
对 Thought 的复盘：从推理引擎到信息提示
我最早把 Thought 看得很重。
对 ToolUse 的复盘：模型不可信，系统只信执行链
前两篇写 Planning 和 ReAct 的时候，我其实一直没把问题说到底。