标签

插件生态

探索此标签下的所有文章

2 篇文章 标签归档 全部标签

文章列表

WorkBuddy 扩展体系学习需求梳理报告

本次会话围绕WorkBuddy扩展体系(Skills、插件、连接器、MCP、专家)展开,共提出16个理解型问题,无业务交付需求。提问呈四阶段演进:概念入门、运行机制、生态关系、创建与定位。核心结论包括:Skill为文件夹结构,含SKILL.md及可选scripts等,代码是可选加速器;MCP为JSON-RPC协议,启用才加载,其代价是上下文挤占;连接器是MCP服务器加OAuth及配套技能的打包;插件需版本目录与清单,专家是带agents角色定义的插件;技能独立可复用,专家壳可套任意技能组合。命名上“专家”是用户层词汇,“插件”是技术层词汇。三者定位:专家为身份层,技能为方法层,连接器为能力层。用户提问特点为先理解后动手、以自建模型求证、要求机制性解释。

MCP服务SEGUZHIXUE插件生态WorkBuddy技能封装概念辨析
zhoudiansegu 学习方法论 16

【深度解读】DeepSeek Harness

本文解读 DeepSeek Harness(DSH)的定位与技术架构:它不是模型封装库或局部工作流工具,而是覆盖 Agent 全生命周期的端到端研发框架,区别于 LangChain/LangGraph 的 Pipeline/DAG 编排和 Claude Code 的开箱即用成品路线。DSH 将标准 Agent 拆为 UI、Context、Agent Loop、RAG、LLM 回复、渲染与日志六大流水线,默认内置并支持插件热插拔。文章认为插件生态与开发者网络效应决定其未来,类比 Node.js 依靠 NPM 生态胜出。当前 DSH 仍处 v0.1 预览期,普通开发者宜理解设计思想、关注迭代,不宜盲目重构生产系统,相关认知可用于面试与技术判断。

AI Agent技术架构插件生态全栈架构
周店瑟谷 AI 工具与智能体 4