DoneHub

在实际的大模型工程落地中，多智能体系统的核心挑战不是让一个Agent变得更聪明，而是让多个Agent高效协作且保持系统可控。当任务规模从单次对话扩展到需要并行处理数十个子任务的场景时，放任自由调度的系统几乎必然陷入上下文溢出、任务冲突或Token消耗失控的困境。这篇文章拆解一套经过工程验证的多智能体架构设计方案，覆盖从任务分解、Subagent派生、状态管理到并发控制的关键环节。

背景

Agent 开发中，上下文窗口不够用是最常遇到的工程问题。128K 甚至 200K 的窗口看起来很大，但 token 按量计费，200K 上下文跑一轮就要几毛钱，一天跑几百轮成本迅速攀升。上下文越长，首 token 延迟越高，用户体验直线下降。更关键的是，塞进去的信息越多，模型越容易走神，关键指令被淹没在历史对话的噪声中。上下文压缩不是要不要做的问题，而是怎么做好的问题。

这篇文章从工程视角拆解 Agent 上下文压缩的完整方案，它不是简单的做摘要，而是一套长任务状态治理体系。

阅读全文 »

背景

做 Agent 应用，前后端之间的实时通信协议选择是一个绕不开的工程设计问题。目前主流的技术方案有两种：SSE（Server-Sent Events）和 WebSocket。实际项目中，不少团队一开始选了 WebSocket，运行一段时间后发现连接管理复杂、运维成本高，最终又切回了 SSE。这不是说 WebSocket 不好，而是在 Agent 这个特定场景下，两者的适配度有明显差异。

下面从协议原理、Agent 通信模式、工程实践三个层面做分析，把选型的判断依据讲清楚。

背景

2023 年 ChatGPT 爆发，2024 年 Agent 概念落地，2025 年 AI 应用全面铺开。Java 开发者的 AI 工具箱在这段时间快速成熟，Spring AI 1.0 GA 于 2025 年 5 月正式发布，经过近一年迭代，已成为企业级 Java AI 应用的事实标准。本文从产生背景、架构演进、与 LangChain4J 的对比到实战代码，完整梳理 Spring AI 的现状和用法。

阅读全文 »

为什么 SDD 突然火了

2025 年下半年，GitHub 上同时冒出了两个热门项目，都主打同一个概念——SDD（Specification-Driven Development，规格驱动开发）。

SDD 这个概念早在 2010 年前后就有人提过，但始终不温不火。它之所以在 2025 年爆发，根本原因是 AI 编码助手的成熟度达到了实用门槛。以前写规格是为了让人理解需求，现在写规格是为了让 AI 理解需求并生成代码。这个转变让 SDD 从锦上添花变成了必备技能。

阅读全文 »

一个人做产品，最怕的不是技术难题，而是发现自己同时缺了产品经理、架构师、营销专家三个角色。Agency-Agents 这个开源仓库把 200 多个专业角色打包成了可以直接导入 Claude Code 的 Agent 文件，让独立开发者可以快速调用不同领域的专业能力。本文介绍这个工具的仓库结构、调用方式，以及如何用它协作完成一个完整项目的开发。

现在一提到意图识别，很多人第一反应就是丢给大模型。用户说句话，让模型判断他想干嘛，返回个意图标签，完事。

这么做当然能跑通，现在的模型理解个意图绰绰有余。但真到了有流量的系统上，这条路会很快让你难受。意图识别真正难的地方，不是能不能识别出来，而是怎么在准确率、延迟和成本之间找平衡。为什么不能全靠大模型，三层结构各自怎么落地，还有一些教程里不太提、但上线之后八成会碰到的问题，下面逐个说清楚。

用 Claude Code 做开发，有三个指标始终悬在心里：当前用的是哪个模型、context 还剩多少空间、这一轮对话已经烧掉多少钱。这些数字直接影响代码输出质量和你的钱包厚度，但 Claude Code 默认界面不显示它们。从 v1.0.71 开始，Claude Code 提供了 statusLine 自定义状态栏接口，可以写一个脚本来实时监控这三项关键数据。

写技术文档时需要一张系统架构图，传统做法是打开 draw.io，找图标、拖拽、连线、对齐，整套流程走下来至少 10 分钟。Next AI Draw.io 把这个过程压缩到一句话：用自然语言描述需求，AI 直接在浏览器里生成 draw.io 格式的专业图表。它支持 MCP 协议，可以在 Claude Code 中直接调用，写代码时顺手把图也画了。