从 CoT 到 ToT:大模型推理的思维进化与剪枝策略
过去一年,推理大模型(OpenAI o 系列、DeepSeek R1 等)让所有人见识到了"慢思考"的威力。但这场革命的源头,要从两条看似独立的技术路线说起:一条让模型学会调用工具,另一条让模型学会多路线探索。两条路线最终在 ToT(Tree of Thoughts)架构下合流,并靠剪枝策略解决了最棘手的组合爆炸问题。
过去一年,推理大模型(OpenAI o 系列、DeepSeek R1 等)让所有人见识到了"慢思考"的威力。但这场革命的源头,要从两条看似独立的技术路线说起:一条让模型学会调用工具,另一条让模型学会多路线探索。两条路线最终在 ToT(Tree of Thoughts)架构下合流,并靠剪枝策略解决了最棘手的组合爆炸问题。
2026年6月18日,SK海力士正式宣布已向主要客户(以英伟达为主)交付12层堆叠 HBM4E 工程样品,这是目前已知业界最先进的 HBM4E 产品之一。从 JEDEC 发布 HBM4 标准规范(2025年4月)到工程样品落地,只用了一年出头,节奏远超预期。本文深入解析 HBM 家族的技术演进路径、HBM4E 的核心突破点,以及当前 SK 海力士、三星、美光三家的竞争态势。
本文将深入探讨 Anthropic、OpenAI、Perplexity 和 LangChain 究竟在开发什么。我们将聊聊编排循环、工具、记忆、上下文管理,以及那些将"无状态"的大语言模型(LLM)转变为全能智能体(Agent)的底层机制。
你可能已经开发过聊天机器人,甚至可能用一些工具搭建了一个 ReAct 循环(ReAct:Reason + Act,一种让模型在行动前先进行推理的模式)。跑 Demo 的时候看着挺好,但一旦投入生产环境,系统就会开始掉链子:模型会忘记三步前做了什么,工具调用悄悄报错,上下文窗口(Context Window)里塞满了毫无意义的垃圾信息。
问题其实并不在模型本身,而在模型外围的基础设施。
5 月初去济州岛玩了一趟,带了一卷 Kodak Ektar 100。济州岛是火山岛,海边都是黑色的玄武岩,配上 Ektar 100 高饱和的色彩,出片很「浓」。
在 AI Agent 领域,“自进化”(self-evolution)这个词已经被用滥了。大多数 Agent 框架所谓的"学习"不过是把对话历史塞进上下文窗口,或者用 RAG 检索一下相关文档。真正的自进化,是让 Agent 在不重新训练模型的前提下,从每次交互中沉淀出可复用的知识,并在未来的任务中自动调用它。
Nous Research 在 2026 年开源的 Hermes Agent 是目前少数把这个目标工程化得最系统的开源项目。它没有改模型权重,没有重新做 RLHF,而是用一套纯文本 + 外部状态的机制,把"成长"这件事拆解成四个可观测、可验证、可回滚的子系统。
就像人类会做梦来巩固白天的经历一样,OpenClaw也有自己的"睡眠周期"。
如果你在用 OpenClaw 作为私人AI助手,日复一日的对话会产生大量的短期记忆碎片——哪些任务完成了、用户纠正了哪些错误、下次要注意什么。这些信号如果不做任何处理,要么被遗忘,要么塞进 system prompt 里导致上下文膨胀。
Dreaming 就是来解决这个问题的。
Browser Agent 是 2026 年最热也是最难落地的 Agent 类型——让 AI 像人一样"看屏幕、点鼠标"。Claude Computer Use / OpenAI Operator / 开源 browser-use 三足鼎立,但生产环境最大的失败模式不是模型不够强,是 prompt 注入和基础设施不完善。
Browser Agent 解决了 AI 一个根本性问题:任何有 UI 的服务都可以被 AI 操作。没有 API?没关系,让 AI 操作浏览器界面。
但这条路布满暗礁:
这篇文章讲清楚:当前三大方案对比、生产级架构、以及最容易踩的坑。
TradingAgents-CN-Skill 是基于 TradingAgents 框架的中文股票分析 Skill。用户输入股票截图、文字描述或股票代码,Agent 自动完成 4 位分析师 + 2 轮多空辩论 + 风控三方辩论 + 五级评级,输出完整 PDF 报告。
之前折腾 QMD 记忆引擎时,因为 2 核 4G 服务器跑不动 QMD 的 3 个本地 LLM 模型,最终切回了内置引擎。当时以为内置引擎只有关键词搜索——其实不是。
最近在研究 AI Coding Agent 的工程化实践,绕不开两个概念:Harness Engineering 和 OpenSpec。两者都跟 AI 写代码有关,但解决的问题完全不同。写篇文章梳理一下。
最近给 OpenClaw 装上了 OpenViking——字节跳动火山引擎开源的 AI Agent 上下文数据库。装的过程很顺,但有一个隐藏代价直到我翻官方文档才意识到,本文把这个关键点讲清楚。
之前给博客加了搜索功能,调研了几种方案,踩了不少坑,记录一下。
| 方案 | 索引大小 | 搜索体验 | 配置复杂度 | 中文支持 |
|---|---|---|---|---|
| Fuse.js | ~50KB | 需手动实现 UI | 中 | 一般 |
| Lunr.js | ~50KB | 需手动实现 UI | 中 | 一般 |
| Pagefind | ~20KB(按需加载) | 自带 UI | 低 | 需配置 |
| Algolia | 免费额度内 OK | 极佳 | 高 | 好 |
本文记录将基于 exif-photo-blog 的照片站点从 Vercel 全家桶迁移到腾讯云 Lighthouse 自托管的过程,以及迁移后围绕图片处理和回源协议做的两轮关键优化。整个过程借助 WorkBuddy(Claude Opus 4.6)和 OpenClaw(MiniMax-2.5)完成代码改造、脚本编写和问题排查。
本文记录了将 Hugo 博客从 Vercel 迁移到 GitHub Actions + 腾讯云 COS + EdgeOne CDN 的过程,最终实现了增量同步、并发保护、精准缓存清理的自动化部署流水线。整个 workflow 的编写和迭代主要借助 WorkBuddy(Claude Opus 4.6)完成,OpenClaw 做一些终端辅助。