https://chengyongru.github.io/blog/ Recent content in Posts on CYR'ML Hugo en-us Tue, 29 Sep 2026 00:00:00 +0800 https://chengyongru.github.io/blog/notebook/how-i-design-system-prompts/ Tue, 29 Sep 2026 00:00:00 +0800 https://chengyongru.github.io/blog/notebook/how-i-design-system-prompts/ <p>在 nanobot 的 <code>SOUL.md</code> 里有这样一句话：</p> <div class="highlight"><pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="cl">Say what I know, flag what I don&#39;t, and never fake confidence. </span></span></code></pre></div><p>它会跟着下图所示的流程作为 system prompt 的一部分最终发送给模型</p> <p><img alt="SOUL.md 进入模型请求的时序图：上下文构建器读取工作区文件，组装 system 消息，经 Provider 适配后发送至模型 API" loading="lazy" src="https://chengyongru.github.io/media/system-prompt/nanobot-context.png"></p> https://chengyongru.github.io/blog/notebook/nanobot%E4%B8%8A%E4%B8%8B%E6%96%87%E9%87%8D%E6%9E%84-%E4%BA%94%E6%9D%A1%E7%94%9F%E5%91%BD%E5%91%A8%E6%9C%9F/ Mon, 07 Sep 2026 17:51:25 +0800 https://chengyongru.github.io/blog/notebook/nanobot%E4%B8%8A%E4%B8%8B%E6%96%87%E9%87%8D%E6%9E%84-%E4%BA%94%E6%9D%A1%E7%94%9F%E5%91%BD%E5%91%A8%E6%9C%9F/ <p>最近对 nanobot 的上下文压缩机制做了不少改动, 在这里稍作记录, 也顺便聊聊 nanobot 现在的长期记忆机制, 希望能对各位有所帮助, 如有错漏, 也欢迎批评指正.</p> <h2 id="上下文怎么压缩">上下文怎么压缩</h2> <p>不严谨地讲, 上下文可以看成一个消息列表, 大致长这样:</p> https://chengyongru.github.io/blog/notebook/multiagent2/ Fri, 21 Aug 2026 01:10:48 +0800 https://chengyongru.github.io/blog/notebook/multiagent2/ <p><a href="https://x.com/chengyongru/status/2089289757138575737">上一次</a>我们讨论了 multiagent system（后面我就简写成 mas 了）设计中存在的一些问题。如果还没读过，也没什么影响。anyway，我们继续在这篇文章里聊聊现代 mas 设计中的一些协议和算法。</p> https://chengyongru.github.io/blog/notebook/multiagent/ Tue, 18 Aug 2026 18:14:53 +0800 https://chengyongru.github.io/blog/notebook/multiagent/ <p>最近在研究multiagent collaboration, 做了一些调查, 写一篇文章做一些总结, 这应该会是第一篇</p> <p>我们先来做一些定义方面的工作, 方便后续的讨论</p> <table> <thead> <tr> <th>层级</th> <th>描述</th> </tr> </thead> <tbody> <tr> <td>多提示词工作流</td> <td>同一个模型分别扮演 planner, critic, reviewer</td> </tr> <tr> <td>中央编排的专家集合</td> <td>一个编排器动态选择模型, 工具或subagent</td> </tr> <tr> <td>分布式协作系统</td> <td>各 agent 拥有不同信息, 状态, 工具或权限, 没有单一全知节点</td> </tr> <tr> <td>开放式 agent 生态</td> <td>成员, 目标, 联盟, 角色和制度都可能动态变化</td> </tr> </tbody> </table> <p>表格中前两类问题更多的属于 <strong>复合推理 / 工作流优化</strong>, 2026 年的两篇论文讨论了这类问题.</p> https://chengyongru.github.io/blog/notebook/why%20we%20prompt/ Thu, 18 Jun 2026 11:00:00 +0800 https://chengyongru.github.io/blog/notebook/why%20we%20prompt/ <h1 id="why-we-prompt">Why we prompt?</h1> <p>2023 年 2 月 24 日是我第一次使用大模型。那时我刚开始学 C++，GPT-3.5 给了我不小的震撼。“What is xxx?” 大概是那一年我最常用的开场白。</p> https://chengyongru.github.io/blog/notebook/%E5%85%B3%E4%BA%8Eclaw%20bench/ Fri, 12 Jun 2026 18:03:38 +0800 https://chengyongru.github.io/blog/notebook/%E5%85%B3%E4%BA%8Eclaw%20bench/ <p>最近沉迷 agent，所以对相关论文和 bench 比较感兴趣。下面这篇是我最近看到的比较炸裂的一篇。</p> <p><a href="https://arxiv.org/html/2606.12344v1">https://arxiv.org/html/2606.12344v1</a> <a href="https://github.com/opensquilla/claw-swe-bench">https://github.com/opensquilla/claw-swe-bench</a></p> <p>我的结论很简单：这篇可以看看 bench 设计思路，但是实验结论基本没什么意义。原因也很直接：论文把单次运行、混杂对比和不完整实验网格写成了看起来很确定的结论。作者明知每个组合只跑一次，还在正文里讨论排名、机制和框架优劣，多多少少有点让我脑内自动浮现派大星翻白眼流哈喇子表情包。</p>