Erishen 博客 – 资深全栈工程师的 AI 工程化与验证治理实战
-
让智能体从源头不说谎：用 LlamaIndex Workflow 构建 RAG 接地的 PSE 多智能体框架
引言：多智能体的"幻觉困境" 你有没有遇到过这样的场景：让多智能体系统根据候选人简历为目标岗位定制一份简历，结果生成的内容里出现了候选人从未在真实简历中提过的公司名、项目细节，甚至是编造的任职时间？ 这不是你的错——这是大语言模型的"天性"。当 LLM 被要求"创造"内容时，它倾向于用训练数据中的模式来填补信息空白，哪…
-
LangGraph PSE: 用状态机显式建模 PSE 三角色协作
为什么需要显式的状态机？ 多 Agent 框架有两种哲学：隐式流程（Agent 自由编排）和显式状态机（每一步的状态流转可观察、可调试、可控制）。 CrewAI 的 sequential 流程属于前者——Agent 按顺序执行，但你无法在运行时查看中间状态、无法在某个节点插入自定义逻辑、更无法精确控制重试路径。当任务变…
-
当 LLM 开始骗自己：一个用正则表达式守护文章可信度的多 Agent 框架
多 Agent 系统的信任危机 你有没有遇到过这种情况：让一个 LLM 审核另一个 LLM 的输出？ 假设你搭建了一个三角色文章生成管道：Planner 负责规划结构，Specialist 负责撰写内容，Evaluator 负责审核质量。听起来很完美，对吧？但当你仔细审视 Evaluator 的工作时，会发现一个根本性…
-
混合检索架构：当关键词遇上语义理解
从单一检索到混合策略 在传统 RAG 系统中，检索环节通常依赖向量相似度搜索。这种方式擅长捕捉语义相似性，但当用户查询包含精确术语、专有名词或特定格式时，纯语义检索往往会失效。 你有没有遇到过这样的场景：查询"IRR 计算公式"，系统却返回了大量讨论"投资回报率概念"的文档，而真正包含公式细节的文档反而被排在后面？这是…
-
文档即状态机：Agentic Souls 如何用 Markdown 驱动 AI 软件开发工作流
一、引言 Agentic Souls 是一个基于文档驱动的 AI 软件开发工作流系统，它通过定义 Planner（规划者）、Evaluator（评审官）和 Specialist（实施者）三个核心角色，利用结构化的 Markdown 文件作为状态机和控制流，实现高质量的软件交付。 二、核心设计 2.1 设计决策 1：Ma…
-
基于 AutoGen 构建 PSE 三角色闭环：一个可重试、可追溯的 Agent 协作框架
一、引言 autogen-pse 是一个基于 Microsoft AutoGen 构建的 Planner-Specialist-Evaluator（PSE） 三角色 Agent 协作框架。它通过顺序发言的 RoundRobinGroupChat 实现状态流转，配合 cycle 级别的循环控制与 token 优化策略，形…
-
AI-Analyze：五个不显而易见的设计决策
大部分代码分析工具的文章会讲"支持多少语言、有多少规则、能检测多少漏洞"。ai-analyze 支持 7 种语言、12 条安全规则、4 维度质量评分，这些功能数字在 README 里就能看到。这篇文章不讲功能清单，讲五个容易被忽略但值得深挖的设计决策——每个决策背后都有一个"为什么不那么做"的故事。 决策一：MCP 双…
-
给 AI 助手搭一个工具服务器：Lobster 的架构思路
AI 助手只会说话，不能做事。这个问题大家都知道，OpenAI 用 Function Calling 协议给了一个解决方案——让 LLM 在对话中识别需要调用的工具，由外部服务执行。但协议只解决了一半问题：谁来提供这些工具？谁来执行？谁来保证安全？ 我给自己的 AI 助手（OpenClaw 龙虾）搭了一个工具服务器，叫…
-
我如何从零构建一个生产级 React SSR 框架
前言 在 React 生态系统中，Next.js 作为 SSR 框架的代表，以其开箱即用的体验和强大的功能深受开发者喜爱。但对于想要完全掌控构建流程、深度定制部署方案、或者只是想学习 SSR 底层原理的开发者来说，Next.js 的"黑盒"特性反而成为了一种限制。 最近，我花了几个月时间，从零开始构建了一个轻量级但功能…
-
构建现代化的组件库：shadcn + Bun 带来的前端开发革命
这篇文章分享了我如何基于 shadcn/ui 和 Bun 构建了一个自定义组件注册表，以及这个过程给我带来的关于前端开发效率的深度思考。 前言：重新思考组件获取方式 最近在重构公司前端项目时，我遇到了一个很有意思的问题：为什么我们总是在 npm install 上浪费这么多时间？ 这个问题让我开始思考：传统的依赖安装模…