Marico's space

最近折腾了几个 AI 项目，踩了不少坑，这篇把从 LLM API 到 Agent、Harness 再到生产系统的东西捋清楚。 把大模型接进应用里其实不难，发个请求、收个响应、显示出来就完事了。但要做成一个可靠的应用，那就是另一回事了。 真实的应用需要管理上下文、执行工具、保持状态、处理中断、请求审批、处理异常、恢复故障，还得把进度反馈给用户。有些应用还要处理图片、音频、视频、文档、结构化数据或

最近折腾了一圈大语言模型（LLM）在视频创作中的应用，踩的坑不少。最让我头疼的不是某个漂亮的单镜头，而是连贯性——你好不容易定下来一个角色、一个场景、一件道具，往后走三步，模型就把其中一个悄悄忘掉了。于是我没问"哪个LLM写的故事最好"，而是问了一个拍电影真正关心的问题： > 当导演不断改主意时，LLM能不能在从创意到分镜的全流程中保持对影片的控制？ 测试内容 每个模型拿到一句剧情概述加上

最近把市面上的 Agent 间通信协议翻了个底朝天，想找个客观的评估维度，结果发现所有对比文章都是软文式的叙事——协议 A 强调发现能力，协议 B 任务模型更丰富，都很有前景，还需要更多工作。确实有几篇综述做得不错，但看完还是不知道该信谁。 所以自己动手整了一个评估框架。十个维度，每个维度有序数级别，每个级别锚定的是规范文档里能找到的具体属性，而不是"质量好不好"这种主观判断。然后把这十三份规范

最近把市面上的 Agent 间通信协议撸了一遍，踩了不少坑，最后用一套十维评分表把八个主流协议全部过了一遍。这篇把核心发现说清楚——尤其是第三维度的那个空白格，真的让人意外。 为什么要做这套评分表 现有的协议对比全是叙事文风：协议A强调发现机制，协议B有更丰富的任务模型，都很有前途，还需更多工作。确实有几篇综述写得不错，但没有一篇让你能直接核验对比结果。 所以我干脆做了一套评分表。十个维度

最近把主流的 Agent 间通信协议摸了一遍，顺手做了个评分表，踩了几个之前没预料到的坑。这篇把结论说清楚，不废话。 现在主流的协议横向对比全是叙事性的——A 协议强调发现机制，B 协议任务模型更丰富，都有前景，还需要更多工作。确实有几篇综述写得不错，但没有一篇能让读者自己去验证结论。 所以我们干脆做了张评分表。十个维度，ordinal 分级，每个级别的定义锚定在协议规范里能查到的属性，而不是

最近花了不少时间研究 Agent 之间的通信协议，市面上能找到的对比评测全是叙事型的——"A 协议强调发现机制，B 协议任务模型更丰富，都有前景，仍需努力"这种。看完了跟没看一样，没法判断哪个更适合你的场景。 所以我自己建了一套评估框架。十个维度，四个等级，每个等级锚定在协议规范里能找到的具体条款，而不是主观判断。然后我读完了十三份协议规范，给其中八份打全部分数，八十个评分格子，每个格子都记录了

最近折腾AWS IoT Core的设备权限管理，踩了几个坑，这篇把问题说清楚。在AWS IoT里，证书（Certificate）负责验证设备身份，策略（Policy）负责控制设备能干什么。两者配合才能真正做到最小权限——不然证书一旦泄露，攻击者能控制你整个账户的所有设备。 之前在系列第三篇里写过一个把设备名写死在策略里的方案，单设备能用，但要管十个设备就得写十个策略，太蠢了。这篇深入看看AWS

最近折腾了 Claude Opus 5.5，拿 GoML 的 LatticeBench 跑了完整测试，把基准测试结果、安全发现和成本情况都摸了一遍。这篇直接说结论。 Opus 5.5 在测试中修复了 GoML LatticeBench 评估中的全部 18 个关键缺陷，还解决了 7 个 very_hard 难度中的 6 个。但评估也暴露了一个有意思的短板：在复杂安全缺陷上表现出色的模型，反而在简单

我接手的老项目里，package.json 动不动就几百兆依赖，很多包装进去之后就再也没人动过。前阵子花时间梳理了一遍，发现浏览器原生 API 已经能 cover 不少场景了，这篇把踩过的坑和结论都记下来。 每个 API 我都在 Chrome DevTools 上跑过验证，也会说清楚它的 Baseline 浏览器支持情况。Baseline 的意思是：这个特性在所有主流浏览器最新版本里都能用。"N

最近在折腾 AI 搜索优化（Generative Engine Optimization，简称 GEO）这块，踩了几个坑才把这里面的逻辑搞清楚。这篇把 GEO 的核心概念和那套 22 工作表的架构体系梳理一下，给有需要的人参考。 搜索引擎的逻辑已经完全变了。以前百度、阿里云搜索、搜狗这些就是给你一堆链接让你自己点进去筛选。现在不一样了——ChatGPT、通义千问、文心一言、Perplexity