https://yangyitao.com 深入原理源码，传递技术本质 — 杨艺韬的深度技术写作 zh-CN Copyright © 2026 杨艺韬 Mon, 13 Apr 2026 14:59:59 GMT VitePress + custom RSS builder https://yangyitao.com/books/claude-code/chapters/00-preface https://yangyitao.com/books/claude-code/chapters/00-preface Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 2026 年，AI 编程助手从"玩具"变成了"生产力工具"。Cursor、Copilot、Windsurf 争相涌现，但它们大多是黑盒。你可以用它们写代码，却无法理解它们如何决定该调用哪个工具、如何管理上下文窗口、如何在安全和自由之间取得平衡。 Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/01-why-claude-code https://yangyitao.com/books/claude-code/chapters/01-why-claude-code Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 从 GitHub Copilot 的单行补全，到 Cursor 的多文件编辑，再到 Claude Code 的完全自主 Agent 模式——AI 编程助手在短短三年内经历了三次范式跃迁。 Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/02-architecture https://yangyitao.com/books/claude-code/chapters/02-architecture Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 理解一个复杂系统最好的方式，不是先看它的类图或模块划分，而是跟踪一个具体的数据流从头到尾走一遍。就像理解一座城市的交通系统，最好的方法是坐一趟公交车走完全程，而不是先研究线路图。 Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/03-cli-bootstrap https://yangyitao.com/books/claude-code/chapters/03-cli-bootstrap Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 一个 CLI 工具的启动时间，直接决定了用户的第一印象。当开发者在终端输入 claude 并按下回车，到看到交互式提示符，中间经历的每一毫秒都在消耗用户的耐心。对于 Claude Code 这样一个需要加载大量模块、读取多处配置、建立网络连接的复杂工程来说，启动性能优化是一场精密… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/04-query-engine https://yangyitao.com/books/claude-code/chapters/04-query-engine Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 如果说 CLI 启动流程是 Claude Code 的骨骼，那么 Query 引擎就是它的心脏。每一次用户提问，每一次工具调用，每一次模型响应，都由这颗心脏驱动完成。在本章中，我们将深入 query.ts 和 QueryEngine.ts 这两个核心文件，从类型定义到状态机实现，… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/05-streaming https://yangyitao.com/books/claude-code/chapters/05-streaming Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章我们深入剖析了 Query 引擎的循环架构，理解了 query.ts 如何以 while(true) 驱动整个 Agent 回合。但在那条宏观流水线上，有一个关键环节我们尚未展开：从 API 返回的原始 SSE (Server-Sent Events) 字节流，如何被解析为… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/06-tool-system https://yangyitao.com/books/claude-code/chapters/06-tool-system Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在人工智能辅助编程的领域中，模型的能力上限往往不取决于其语言理解有多强，而取决于它能调用哪些工具、如何调用这些工具。Claude Code 的工具系统是整个产品的脊梁骨——它定义了模型与外部世界交互的全部边界。每一次文件读取、每一次命令执行、每一次代码编辑，在底层都是一次工具调用… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/07-tool-orchestration https://yangyitao.com/books/claude-code/chapters/07-tool-orchestration Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 当模型在一次响应中同时调用 Grep、Read、Glob 三个工具搜索代码库时，这些调用是顺序执行还是并行执行？当模型一边读文件一边写文件时，系统如何保证写操作不会和读操作产生竞态条件？当某个 Bash 命令执行失败时，还在排队的其他工具调用该怎么处理？ Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/08-core-tools https://yangyitao.com/books/claude-code/chapters/08-core-tools Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在 Claude Code 的整体架构中，工具（Tool）是 AI Agent 与外部世界交互的唯一桥梁。模型本身无法直接读写文件、执行命令或搜索代码——它是一个纯粹的文本推理引擎，只能通过声明式地调用工具来完成这些操作。因此，工具的实现质量直接决定了 Claude Code 的… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/09-permission-model https://yangyitao.com/books/claude-code/chapters/09-permission-model Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在一个能够读写文件、执行 Shell 命令、启动子进程的 AI 编程助手中，权限控制是安全的最后一道防线。Claude Code 面临的核心挑战是：如何在保障安全的前提下，尽可能减少用户的审批疲劳？ Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/10-sandbox https://yangyitao.com/books/claude-code/chapters/10-sandbox Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在 Claude Code 所提供的所有工具中，Bash 工具无疑是最强大的，同时也是最危险的。文件读写工具只能操作单个文件，搜索工具只能检索内容，而 Bash 工具却拥有几乎无限的能力：它可以执行任意 Shell 命令，安装软件包，修改系统配置，发起网络请求，甚至删除整个文件系… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/11-mcp https://yangyitao.com/books/claude-code/chapters/11-mcp Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面的章节中，我们详细剖析了 Claude Code 内建的工具体系——从 BashTool 到 FileWriteTool，从权限模型到沙箱隔离。这些内建工具覆盖了绝大多数编程场景，但软件世界的边界远不止于此。当用户需要与 Slack 交互、查询 GitHub Issues、… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/12-bridge https://yangyitao.com/books/claude-code/chapters/12-bridge Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) Claude Code 诞生于终端，但它的战场不仅限于终端。当一位开发者在 VS Code 中选中一段代码并请求 Claude 帮忙重构时，当另一位开发者在 JetBrains IDE 中让 Claude 分析整个项目结构时，他们所依赖的，是一套在 CLI 进程与 IDE 扩展之… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/13-lsp https://yangyitao.com/books/claude-code/chapters/13-lsp Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在 AI 编程助手的能力图谱中，有一项能力常常被低估却至关重要——对代码语义的深层理解。当 Claude 需要修改一个函数时，它不仅要知道这个函数在哪个文件里，还要知道谁在调用它、它的参数类型是什么、修改后会不会引入编译错误。这些信息不是靠文本匹配就能获取的，它需要真正的语言级别… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/14-multi-agent https://yangyitao.com/books/claude-code/chapters/14-multi-agent Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在软件工程任务中，一个复杂的需求往往可以分解为若干彼此独立又相互关联的子任务：调研代码库结构、实现功能变更、运行测试验证、编写提交信息。当这些子任务由单一 Agent 串行执行时，用户不得不等待漫长的上下文轮次；而当其中某个子任务出错时，整个对话的上下文都会被错误信息污染。Cla… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/15-skill-plugin https://yangyitao.com/books/claude-code/chapters/15-skill-plugin Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面的章节中，我们深入分析了 Claude Code 的工具系统、权限模型和多 Agent 协作架构。这些机制构成了系统的核心骨骼，但真正赋予 Claude Code 生命力的，是其高度可扩展的 Skill 与插件系统。 Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/16-context-management https://yangyitao.com/books/claude-code/chapters/16-context-management Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 对于一个交互式 AI 编程助手而言，上下文管理是一个贯穿始终的核心挑战。用户与 Claude Code 的对话可能持续数小时，涉及数十个文件的阅读与修改、数百次工具调用的结果，以及不断演进的任务目标。然而，大语言模型的上下文窗口终究是有限的——即使是拥有 200K 甚至 1M t… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/17-terminal-ui https://yangyitao.com/books/claude-code/chapters/17-terminal-ui Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 传统的终端应用通常采用命令式的字符绘制方式：计算光标位置、拼接 ANSI 转义序列、手动管理屏幕刷新。这种方式在简单的 CLI 工具中尚可应付，但当界面复杂度上升到 Claude Code 这个级别时——需要同时展示消息流、权限对话框、进度指示器、代码差异视图、快捷键提示、任务面… Claude Code AI Agent CLI https://yangyitao.com/books/claude-code/chapters/18-design-patterns https://yangyitao.com/books/claude-code/chapters/18-design-patterns Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面十七章中，我们从 CLI 启动、Query 引擎、流式处理、工具系统、权限模型、MCP 协议到终端 UI，逐一拆解了 Claude Code 的每一个核心子系统。但正如一座建筑的价值不仅在于砖瓦的品质，更在于整体的结构设计——Claude Code 的真正精妙之处，在于这些… Claude Code AI Agent CLI https://yangyitao.com/books/langchain/chapters/00-preface https://yangyitao.com/books/langchain/chapters/00-preface Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 2024 年，LangChain 完成了从 0.x 到 1.0 的蜕变。这不仅仅是一个版本号的变化——它意味着 API 的稳定化、架构的成熟化，以及从"快速实验框架"到"生产级基础设施"的定位转变。 LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/01-why-langchain https://yangyitao.com/books/langchain/chapters/01-why-langchain Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 当我们站在 2025 年回望 AI 应用开发的演进历程，会发现一个有趣的规律：每一次底层模型能力的跃迁，都会催生出一个新的应用框架浪潮。从最初手写 HTTP 请求调用 OpenAI API，到使用各种轻量封装库，再到如今以 LangChain 为代表的完整应用框架生态——这个过程… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/02-architecture https://yangyitao.com/books/langchain/chapters/02-architecture Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 理解一个框架的架构，最好的方式不是从概念图开始，而是从一次真实的调用开始。当你写下 chain.invoke("Hello") 并按下回车键时，数据在 LangChain 的哪些层之间流动？哪些对象被创建和销毁？回调事件在什么时机被触发？ LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/03-runnable-lcel https://yangyitao.com/books/langchain/chapters/03-runnable-lcel Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 如果说 LangChain 是一座建筑，那么 Runnable 就是它的钢筋骨架，而 LCEL（LangChain Expression Language）就是将钢筋拼接成结构的焊接方式。本章将从源码层面彻底剖析这两个核心概念。 LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/04-messages https://yangyitao.com/books/langchain/chapters/04-messages Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 消息（Message）是 LangChain 中最基础、最核心的数据结构之一。在与大语言模型交互的过程中，无论是用户向模型提问、模型生成回复、系统预设角色行为，还是工具返回执行结果，所有这些信息都以消息的形式在系统中流转。可以说，消息就是 LangChain 与大语言模型对话的通… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/05-language-models https://yangyitao.com/books/langchain/chapters/05-language-models Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 语言模型是 LangChain 框架的核心驱动力。在 LangChain 的整个生态系统中，语言模型抽象层扮演着"发动机"的角色——无论是简单的文本问答、复杂的多轮工具调用对话、结构化数据提取，还是多 Agent 协作系统，它们的底层运作都依赖于这套精心设计的模型抽象来屏蔽不同提… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/06-prompts https://yangyitao.com/books/langchain/chapters/06-prompts Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 提示词（Prompt）是与大语言模型交互的"编程语言"。在实际的 LLM 应用开发中，提示词很少是一成不变的静态字符串——它们通常包含需要在运行时填入的变量（如用户输入、检索到的上下文、对话历史等），需要根据场景动态组装多条不同角色的消息，有时还需要根据输入动态选择少样本示例来引… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/07-output-parsers https://yangyitao.com/books/langchain/chapters/07-output-parsers Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 语言模型的原始输出是自由格式的文本流。对于构建可靠的 AI 应用而言，仅仅拿到一段文字是远远不够的 -- 我们需要将模型的非结构化响应转换为程序可以直接操作的结构化数据。这一需求催生了 LangChain 输出解析系统的诞生。 LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/08-tools https://yangyitao.com/books/langchain/chapters/08-tools Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在 AI Agent 架构中，工具是模型与外部世界交互的桥梁。语言模型擅长理解和推理，但它无法直接访问数据库、调用 API 或执行计算 -- 这些能力需要通过工具来提供。LangChain 的工具系统将 Python 函数、Runnable 对象乃至第三方服务统一抽象为标准化的工… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/09-documents https://yangyitao.com/books/langchain/chapters/09-documents Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) RAG（检索增强生成）系统的第一步是将外部知识源中的数据转换为可检索的文档片段。这个过程涉及两个关键环节：文档加载（从各种数据源读取原始内容）和文本分割（将长文档切分为适合嵌入和检索的小块）。LangChain 为这两个环节构建了精心设计的抽象层，使得开发者可以统一地处理 PDF… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/10-retrievers https://yangyitao.com/books/langchain/chapters/10-retrievers Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在 RAG 系统的架构中，向量存储（VectorStore）和检索器（Retriever）是连接知识库与语言模型的关键桥梁。前者负责将文档嵌入为向量并高效存储，后者负责根据查询从知识库中检索最相关的文档。LangChain 为这两个层次分别构建了精心设计的抽象，使得开发者可以在不… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/11-chains https://yangyitao.com/books/langchain/chapters/11-chains Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在 LangChain 的早期架构中，Chain 是最核心的抽象之一。它提供了一种将多个组件（模型、提示词、输出解析器、检索器等）串联起来形成完整处理流程的标准化方式。Chain 的设计理念源自函数式编程中的管道思想：每个 Chain 接收结构化输入，执行内部逻辑，产出结构化输出… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/12-callbacks https://yangyitao.com/books/langchain/chapters/12-callbacks Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 一个优秀的 AI 应用框架不仅要能正确执行任务，还必须让开发者清晰地了解执行过程中发生了什么。LangChain 的回调系统正是为此而生。它提供了一套精密的事件驱动架构，使得日志记录、性能监控、流式输出、调试追踪等横切关注点可以在不侵入业务逻辑的前提下实现。 LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/13-memory https://yangyitao.com/books/langchain/chapters/13-memory Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 大语言模型本身是无状态的 -- 每次调用都是独立的，模型不会"记住"之前的对话内容。要构建一个能够进行连贯对话的 AI 应用，开发者必须在应用层实现记忆机制，将历史上下文注入到每次调用的输入中。 LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/14-agents https://yangyitao.com/books/langchain/chapters/14-agents Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面的章节中，我们剖析了 LangChain 的 Runnable 协议、回调系统、工具抽象和链式组合等基础设施。这些构件本身已经足够强大，但它们只是被动地执行预定义的流水线。真正让大语言模型从"输出生成器"进化为"自主决策者"的，是 Agent 架构。 LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/15-tool-calling-agents https://yangyitao.com/books/langchain/chapters/15-tool-calling-agents Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章我们剖析了 Agent 的底层架构 -- 数据模型、基类接口和 AgentExecutor 执行循环。那是 Agent 系统的"引擎"。本章我们将目光转向"车身"：LangChain 提供的各种具体 Agent 实现。 LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/16-serialization https://yangyitao.com/books/langchain/chapters/16-serialization Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在 LangChain 的实际应用中，我们经常需要将构建好的链、模型和提示模板保存下来，以便在不同环境中复用，或者在运行时根据需求动态切换配置。这两个需求看似简单，实则牵涉到一系列深层次的设计问题：如何安全地序列化包含 API 密钥的对象？如何在反序列化时防止恶意代码注入？如何在… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/17-partners https://yangyitao.com/books/langchain/chapters/17-partners Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) LangChain 的真正威力不在于它自身的代码量，而在于它能够统一地对接数十个甚至上百个 AI 服务提供商。OpenAI、Anthropic、Google、Mistral、Groq -- 每个提供商都有自己的 API 格式、认证方式和功能特性，但在 LangChain 中，它们… LangChain AI 应用框架 Python https://yangyitao.com/books/langchain/chapters/18-design-patterns https://yangyitao.com/books/langchain/chapters/18-design-patterns Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 经过前面十七章的源码深潜，我们已经逐层拆解了 LangChain 的每一个核心组件。现在是时候抬起头来，从全局视角审视这个框架的设计哲学了。 LangChain AI 应用框架 Python https://yangyitao.com/books/langgraph/chapters/00-preface https://yangyitao.com/books/langgraph/chapters/00-preface Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 当你用 LangChain 构建了第一个 RAG 应用后，你很快会遇到一个问题：真实世界的 AI 工作流远比一条直线管线复杂。 LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/01-why-langgraph https://yangyitao.com/books/langgraph/chapters/01-why-langgraph Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 当 LLM 应用从简单的"一问一答"演进到需要多步推理、工具调用、人机交互的复杂工作流时，一个根本性的工程问题浮出水面：如何可靠地编排有状态的 AI 工作流？ LangGraph 正是为回答这个问题而生的。它不是 LangChain 的替代品，而是 LangChain 生态的自然… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/02-architecture https://yangyitao.com/books/langgraph/chapters/02-architecture Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 理解一个框架的最佳方式，是先从高处俯瞰全貌，再逐层深入细节。本章将带领读者完成三件事：认识 LangGraph 的包结构与代码组织方式，跟踪一次 graph.invoke() 调用从入口到出口的完整旅程，以及理解贯穿整个框架的四层架构模型。 LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/03-state-graph https://yangyitao.com/books/langgraph/chapters/03-state-graph Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) StateGraph 是开发者与 LangGraph 交互的首要入口。它提供了一套声明式的 API，让开发者可以用自然直觉的方式定义节点、边和条件分支，然后通过 compile() 一键转换为可执行的 Pregel 运行时。本章将深入 graph/state.py 源码，逐行剖析… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/04-channels https://yangyitao.com/books/langgraph/chapters/04-channels Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 如果说 Pregel 是 LangGraph 的大脑，那么 Channel 就是它的血管系统。Channel 承载着数据在节点之间流动的全部责任——它决定了值如何被存储、如何被更新、如何在并发写入时被合并，以及如何被序列化到检查点中。本章将逐一剖析 channels/ 目录下的每… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/05-compilation https://yangyitao.com/books/langgraph/chapters/05-compilation Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 当你调用 StateGraph.compile() 时，发生了什么？这个问题看似简单，答案却涉及 LangGraph 中最精密的一次结构变换。编译过程需要将开发者友好的、声明式的图定义——节点、边、条件分支——转化为 Pregel 执行引擎能够直接调度的内部表示。这不是一次简单的… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/06-pregel https://yangyitao.com/books/langgraph/chapters/06-pregel Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) Pregel 是 LangGraph 的心脏。当你调用 compiledgraph.invoke() 或 compiledgraph.stream() 时，真正驱动计算的是 Pregel 执行引擎——一个基于 Google Pregel 论文思想、专门为 AI 工作流定制的 BS… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/07-task-scheduling https://yangyitao.com/books/langgraph/chapters/07-task-scheduling Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章我们剖析了 Pregel 执行循环的宏观架构——tick()、after_tick() 和 BSP 超步模型。但在每个超步内部，还有一个同样复杂的世界：多个任务如何被并行调度？任务失败时如何重试？缓存如何避免重复计算？PUSH 任务和 PULL 任务在运行时有何不同？ LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/08-checkpoint https://yangyitao.com/books/langgraph/chapters/08-checkpoint Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面的章节中，我们深入剖析了 Pregel 执行循环如何驱动图的运行、Channel 如何承载状态的流转、以及任务调度器如何协调节点的并发执行。然而，所有这些精密的运行时机制都面临一个根本性问题：当进程终止、网络中断或用户需要暂停时，图的执行状态将随之消失。 LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/09-interrupt https://yangyitao.com/books/langgraph/chapters/09-interrupt Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在 AI Agent 的实际应用中，纯自动化的执行流程往往不够。当 Agent 需要进行高风险操作（如转账、删除数据）、当决策需要人类专业判断（如医疗诊断确认）、或者当信息不足需要用户补充时，系统必须能够优雅地暂停执行，等待人类介入，然后从暂停点恢复。 LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/10-command https://yangyitao.com/books/langgraph/chapters/10-command Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面的章节中，我们看到了 LangGraph 如何通过 Channel 和边（Edge）来定义数据的流转路径，通过 interrupt() 实现暂停与恢复。然而，在真实的 Agent 应用中，控制流往往不能在编译时完全确定——节点可能需要根据运行时的结果动态决定下一步去哪里，可… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/11-subgraphs https://yangyitao.com/books/langgraph/chapters/11-subgraphs Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面的章节中，我们已经深入了解了单个图的全部运行机制：Channel 如何承载状态，Pregel 循环如何调度任务，Checkpoint 如何持久化状态，Command 如何控制流程。然而，当系统复杂度增长到一定程度时，单个扁平的图将变得难以维护。正如软件工程中函数调用和模块化… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/12-send https://yangyitao.com/books/langgraph/chapters/12-send Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面的章节中，我们已经了解了 LangGraph 的静态图编译流程：节点通过边连接、Channel 传递状态、Pregel 按超步调度。然而，现实世界中的许多工作流并不是在编译时就能确定所有执行路径的。考虑这样一个场景——用户输入一篇文章，我们需要对文章中的每个段落分别进行翻译… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/13-streaming https://yangyitao.com/books/langgraph/chapters/13-streaming Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在构建 LLM 应用时，流式输出（streaming）不仅是用户体验的刚需，更是生产系统的可观测性基石。用户期望看到 AI 回复的"打字机效果"，而开发者需要实时监控图执行的每一步——哪个节点正在运行、状态如何变化、中间结果是什么。LangGraph 通过七种 StreamMod… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/14-runtime https://yangyitao.com/books/langgraph/chapters/14-runtime Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在构建 LLM 应用的图时，节点函数往往需要访问一些"运行时依赖"——当前用户的身份信息、数据库连接池、API 密钥、或者一个全局的向量存储。这些依赖既不属于图的状态（它们不随步骤变化），也不应该被硬编码在节点函数中（它们因调用而异）。传统做法是通过闭包或全局变量传递，但这在测试… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/15-store https://yangyitao.com/books/langgraph/chapters/15-store Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) Checkpoint 是 LangGraph 的"短期记忆"——它保存单个线程（thread）内的完整状态历史，支持时间旅行和中断恢复。但在许多 LLM 应用中，我们还需要一种"长期记忆"：跨线程、跨对话的持久化存储。例如，用户的偏好设置在所有对话中都应该可用；一个文档分析 Ag… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/16-prebuilt https://yangyitao.com/books/langgraph/chapters/16-prebuilt Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 前面的章节深入剖析了 LangGraph 的底层基础设施——StateGraph、Channel、Pregel 调度、Checkpoint、Send、Runtime、Store。这些原语提供了极大的灵活性，但直接使用它们构建一个完整的 Agent 需要编写大量的样板代码：定义状态… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/17-multi-agent-patterns https://yangyitao.com/books/langgraph/chapters/17-multi-agent-patterns Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 单个 Agent 能力有限——它只有一组工具、一种提示、一个执行循环。当任务复杂度上升时（如"帮我分析这家公司的财报，然后写一份投资建议书"），单个 Agent 要么因为工具太多导致 LLM 选择困难，要么因为系统提示过长影响推理质量。多 Agent 系统通过分工协作解决这个问题… LangGraph AI Agent Python https://yangyitao.com/books/langgraph/chapters/18-design-patterns https://yangyitao.com/books/langgraph/chapters/18-design-patterns Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 经过前面十七章的深入剖析，我们已经从源码层面理解了 LangGraph 的每一个核心组件——StateGraph 的编译流程、Channel 的类型体系、Pregel 的超步调度、Checkpoint 的持久化、Send 的动态并行、Runtime 的依赖注入、Store 的长期… LangGraph AI Agent Python https://yangyitao.com/books/microfe/chapters/00-preface https://yangyitao.com/books/microfe/chapters/00-preface Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 凌晨三点十七分。生产环境告警群炸了。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/01-why-micro-frontend https://yangyitao.com/books/microfe/chapters/01-why-micro-frontend Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 想象你是一家电商公司的前端负责人。你的团队维护着一个 React 应用——最初只有三个页面：首页、商品详情、购物车。两个前端工程师，半年搭起来的。那时候一切都很美好。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/02-core-problems https://yangyitao.com/books/microfe/chapters/02-core-problems Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章我们从"为什么"出发，理解了微前端架构诞生的必然性。但"为什么需要微前端"只是故事的序章。真正的挑战从你决定采用微前端的那一刻开始——你将立刻面对六个绕不过去的核心问题。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/03-qiankun-overview https://yangyitao.com/books/microfe/chapters/03-qiankun-overview Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 2019 年 7 月，蚂蚁集团前端团队在 GitHub 上发布了一个名为 qiankun（乾坤）的开源项目。彼时 single-spa 已经是微前端领域的事实标准，但它有一个让无数开发者头疼的问题：太底层了。single-spa 只负责子应用的注册和生命周期调度，至于子应用怎么加… 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/04-js-sandbox https://yangyitao.com/books/microfe/chapters/04-js-sandbox Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 在前面的章节中，我们了解了乾坤的整体架构和应用加载机制。但如果说应用加载是微前端的"骨架"，那么 JS 沙箱就是它的"免疫系统"——没有沙箱，多个子应用运行在同一个页面中，就像多个陌生人共用一间没有隔板的办公室，全局变量的冲突、原型链的污染、事件监听器的残留……一切都会变成灾难。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/05-css-isolation https://yangyitao.com/books/microfe/chapters/05-css-isolation Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 还记得前言中那个凌晨三点的故事吗？一个 .container { margin: 0 auto } 穿透了沙箱，导致全站白屏。那次事故的根因不在 JavaScript 隔离——JS 沙箱工作得很好。问题出在 CSS。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/06-qiankun-communication https://yangyitao.com/books/microfe/chapters/06-qiankun-communication Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 微前端的沙箱机制——无论是 SnapshotSandbox 还是 ProxySandbox——都在做一件事：隔离。它们用精心设计的代理拦截和快照恢复，确保子应用之间的全局变量不会互相污染。前几章我们已经深入理解了这些隔离机制的实现原理。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/07-single-spa-core https://yangyitao.com/books/microfe/chapters/07-single-spa-core Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 如果说乾坤是中国微前端生态的代名词，那么 single-spa 就是全球微前端的基石。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/08-single-spa-routing https://yangyitao.com/books/microfe/chapters/08-single-spa-routing Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 打开浏览器的开发者工具，在控制台输入 history.pushState，你会得到一个原生函数。再在一个接入了 single-spa 的项目里做同样的事——你得到的不再是浏览器的原生实现，而是一个被 single-spa 精心包装过的函数。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/09-mf-philosophy https://yangyitao.com/books/microfe/chapters/09-mf-philosophy Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 2020 年 10 月，Webpack 5 正式发布。在长达两年的开发周期中，Webpack 团队悄然引入了一个不起眼的新特性——ModuleFederationPlugin。发布说明中只有寥寥数行描述。没有铺天盖地的营销，没有"改变前端未来"的宣言。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/10-mf-webpack https://yangyitao.com/books/microfe/chapters/10-mf-webpack Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 如果你曾经配置过 Module Federation，你一定写过这样的代码： 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/11-mf2-rspack https://yangyitao.com/books/microfe/chapters/11-mf2-rspack Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 2022 年底的一个深夜，我正在调试一个 Webpack 5 Module Federation 的线上问题。远程模块加载失败了，但错误信息只有一行冷冰冰的 ScriptExternalLoadError。没有类型提示告诉我远程模块的接口长什么样，没有运行时钩子让我在加载失败时做… 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/12-web-components https://yangyitao.com/books/microfe/chapters/12-web-components Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 你可能已经注意到一个有趣的现象：前面章节中，无论是乾坤的 strictStyleIsolation，还是无界的组件级嵌入方案，底层都绕不开同一个东西——Web Components。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/13-wujie https://yangyitao.com/books/microfe/chapters/13-wujie Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 2019 年，乾坤横空出世，用 Proxy 沙箱取代 iframe 成为微前端的主流隔离方案。那时候，iframe 几乎被整个社区判了"死刑"——性能差、体验割裂、路由无法同步、弹窗不能居中。每一篇微前端选型文章都会在 iframe 方案旁边画一个大大的叉号。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/14-other-solutions https://yangyitao.com/books/microfe/chapters/14-other-solutions Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 前面的章节中，我们花了大量篇幅剖析乾坤、single-spa、Module Federation 和 Wujie——这些是 2026 年微前端领域的"四大天王"，覆盖了绝大多数生产场景。但微前端的版图远不止这四个名字。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/15-selection https://yangyitao.com/books/microfe/chapters/15-selection Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 每一个前端架构师的职业生涯中，都会遇到那个时刻。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/16-devops https://yangyitao.com/books/microfe/chapters/16-devops Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 凌晨两点四十五分，你被一条告警惊醒。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/17-performance https://yangyitao.com/books/microfe/chapters/17-performance Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 微前端架构给团队带来了独立部署和技术栈自由的巨大收益——但天下没有免费的午餐。 微前端 前端架构 qiankun https://yangyitao.com/books/microfe/chapters/18-design-patterns https://yangyitao.com/books/microfe/chapters/18-design-patterns Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 写完前面十七章，我们已经从 single-spa 的路由劫持、乾坤的 JS/CSS 沙箱、import-html-entry 的资源解析、Module Federation 的编译时共享、Wujie 的 iframe 增强、Web Components 的原生隔离等各个维度，完成… 微前端 前端架构 qiankun https://yangyitao.com/books/openclaw/chapters/00-preface https://yangyitao.com/books/openclaw/chapters/00-preface Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 凌晨两点。窗外的城市早已安静，屏幕上只剩一个闪烁的光标。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/01-why-openclaw https://yangyitao.com/books/openclaw/chapters/01-why-openclaw Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 想象你是一家跨国创业公司的技术负责人。你决定让 AI 真正为公司干活——不是那种"帮我润色一下邮件"的玩具用法，而是一个 7×24 在线的数字员工：回答客户问题、监控服务器、审查代码、每天早上自动发出业务简报。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/02-architecture https://yangyitao.com/books/openclaw/chapters/02-architecture Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章，我们从四个递进的噩梦（通道地狱、模型困境、失忆症、安全事故）理解了为什么需要 OpenClaw——它不是又一个聊天框架，而是一套骨骼、血管与神经系统。我们还确立了五大设计哲学：通道无关、模型无关、运行时而非框架、约定优于配置、渐进式复杂度。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/03-gateway https://yangyitao.com/books/openclaw/chapters/03-gateway Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章我们从万米高空俯瞰了 OpenClaw 的全景，画出了每个子系统的轮廓。从本章开始，我们降落到地面，逐一走进每一栋建筑。第一站，自然是那座最高、最显眼的大楼——Gateway 网关引擎。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/04-provider https://yangyitao.com/books/openclaw/chapters/04-provider Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章，我们剖析了 Gateway 如何管理系统的生命周期与配置。Gateway 是控制中心，但它本身不做 AI 推理——推理的重担，交给了 Provider 抽象层。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/05-session https://yangyitao.com/books/openclaw/chapters/05-session Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 你和一位老朋友在咖啡馆聊天。聊到一半去了趟洗手间，回来继续之前的话题。你的朋友不会茫然地问"你是谁？我们在聊什么？"——因为她记得上下文。这件事对人类如此自然，自然到你从未想过它需要任何"工程"。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/06-agent https://yangyitao.com/books/openclaw/chapters/06-agent Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 想象你是一家公司的 CEO。你有一支核心管理团队：COO 负责日常运营，CTO 负责技术决策，CFO 负责财务管控。新项目启动时，你不会亲自写代码、做账、谈客户——你把任务分配给合适的人，给他们必要的权限和资源，然后等待汇报。你的价值不在于亲力亲为，而在于知人善任、运筹帷幄。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/07-channel-arch https://yangyitao.com/books/openclaw/chapters/07-channel-arch Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 前六章，我们拆解了 OpenClaw 的核心引擎：Gateway 掌控生命周期，Provider 屏蔽模型差异，Session 维护对话状态，Agent 编排决策与执行。引擎已经轰鸣——但还缺一个关键部件：轮胎。没有通道，引擎再强也无法触及用户世界。一台发动机在实验台上空转和一辆… OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/08-channel-impl https://yangyitao.com/books/openclaw/chapters/08-channel-impl Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 想象一个已经上线的 Agent 的日常切面：一条 WhatsApp 语音从巴西圣保罗发来，同一秒，东京的开发者在 Discord 的 #support 频道里 @了它，伦敦的产品经理在 Slack 线程里追问部署进度。三条消息，三种截然不同的协议栈——但 Agent 的核心逻辑看… OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/09-plugin https://yangyitao.com/books/openclaw/chapters/09-plugin Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 前两章，我们深入了通道系统的设计与实现。通道是 OpenClaw 连接外部世界的窗口，但窗户的数量终究有限。如果用户需要一扇你没有预装的窗户呢？ OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/10-tool https://yangyitao.com/books/openclaw/chapters/10-tool Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 前九章，我们构建了 OpenClaw 的完整骨架：Gateway 调度全局、Provider 连接模型、Session 管理记忆、Agent 编排决策、通道对接用户、插件开放生态。骨架已成，但 Agent 仍然只是一个"能说会道的嘴"——它能生成文字，却无法触碰真实世界。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/11-node https://yangyitao.com/books/openclaw/chapters/11-node Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章，我们给 Agent 装上了"双手"——浏览器、Shell、搜索引擎等软件层面的工具。但这双手只能触及数字世界。如果 Agent 需要拍一张照片、读一条短信、截一个屏幕呢？ OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/12-scheduler https://yangyitao.com/books/openclaw/chapters/12-scheduler Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 前两章赋予了 Agent 行动的能力：工具系统是软件层的双手，Node 系统是物理层的感官。但这些能力都有一个共同的前提——需要有人发起请求。如果没有人说话，Agent 就安静地等着。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/13-security https://yangyitao.com/books/openclaw/chapters/13-security Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 前三章赋予了 Agent 越来越强大的能力——工具让它能执行命令，Node 让它能控制设备，Cron 让它能自主行动。能力越大，风险越大。是时候认真谈谈安全了。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/14-cli https://yangyitao.com/books/openclaw/chapters/14-cli Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 前面四章（第 10-13 章）深入了 OpenClaw 的高级能力：工具、设备连接、自动化与安全。这些能力强大但隐藏在引擎盖下——用户如何与它们交互？运维人员如何诊断问题？开发者如何调试 Agent？ OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/15-deploy https://yangyitao.com/books/openclaw/chapters/15-deploy Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 上一章我们掌握了与 OpenClaw 交互的方式——CLI 和 TUI。但无论界面多么精美，如果系统跑不起来、跑不稳定，一切都是空谈。本章从开发环境走向生产环境，解决"最后一公里"的工程问题。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/16-skill https://yangyitao.com/books/openclaw/chapters/16-skill Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 部署方案解决了"在哪里跑"的问题，接下来要解决"怎么让 Agent 变得更聪明"。第 9 章的插件系统让平台可扩展，本章的技能系统则让 Agent 本身可扩展——不是改代码，而是给它"教材"。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/17-design-patterns https://yangyitao.com/books/openclaw/chapters/17-design-patterns Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 如果前面十六章是"拆开钟表，审视每一个齿轮"，那本章就是"退后三步，看整座钟表为什么能精确走时"。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/18-build-empire https://yangyitao.com/books/openclaw/chapters/18-build-empire Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 十七章，我们在源码层面逐一解剖了 OpenClaw 的每一个齿轮和螺钉——从 Gateway 的生命周期管理到 Provider 的模型降级，从 Session 的上下文压缩到安全系统的纵深防御。每个组件都已了然于胸。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/author https://yangyitao.com/books/openclaw/chapters/author Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 出于对 AI Agent 系统架构的持续热情，杨艺韬在业余时间逐行审读 OpenClaw 全部源码，历经 69 轮迭代审校，将一个生产级运行时系统的每一个设计决策还原为可追溯、可验证的工程叙事，最终写成本书。 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/bibliography https://yangyitao.com/books/openclaw/chapters/bibliography Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 1. The Landscape of Emerging AI Agent Architectures (arXiv 2024). https://arxiv.org/abs/2404.11584 OpenClaw AI 网关 Rust https://yangyitao.com/books/openclaw/chapters/glossary https://yangyitao.com/books/openclaw/chapters/glossary Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) OpenClaw AI 网关 Rust https://yangyitao.com/books/react18/chapters/00-preface https://yangyitao.com/books/react18/chapters/00-preface Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 深夜十一点。会议室里只剩下我和一块白板。 React 前端 JavaScript https://yangyitao.com/books/react18/chapters/01-why-react-19 https://yangyitao.com/books/react18/chapters/01-why-react-19 Sun, 05 Apr 2026 00:00:00 GMT noreply@yangyitao.com (杨艺韬) 2006 年的一个下午。你打开文本编辑器，面前是一个待办事项应用的需求。你开始写代码： React 前端 JavaScript