如何从主观体验走向可复现实验
建立假设、对照与证据记录，让技术判断可以被复核和复现。
EVIDENCE-FIRST
01证据Evidence
02代码Code
03实验Experiment
可引用结论Citable insight
PUBLIC · VERIFIABLE · VERSIONED长期研究Research areas
01AI Coding
上下文工程、代码库理解与真实任务评测。
Agent 工程
工具调用、工作流设计、可观测性与失败恢复。
RAG 与评测
检索、证据链、评估集和结果复现。
推荐阅读
START HERE实验方法论→
从最小 RAG 到可评测 RAG
逐步引入检索、评测与迭代，把效果提升变成可验证的工程。
真实 AI Coding 任务的上下文管理
拆解输入、压缩信息、维持一致性，让模型在复杂任务中稳定输出。
AI 知识库博客
目标：构建面向专业读者与 Agent 的公开知识库。
1
$ npm run build2
→ content schema validated3
→ static HTML generated4
→ RSS · Sitemap · llms.txt5
→ production build ready现在
正在构建：一套面向专业读者与 Agent 的公开知识库。
查看 /now