Jean's Blog

使用 LLM-Wiki、Obsidian 和 AI Agent 搭建本地知识库：项目创建、模型配置、文档解析、知识检索与 MCP 调用。

区分网络错误与模型输出问题，设置有边界的重试，并用小型文本适配器隔离模型供应商差异。

区分 JSON Mode、原生结构化输出和业务校验，完成一个有边界的工具调用闭环，并明确模型建议与执行权限的分工。

区分采样随机性、输出预算与上下文容量，避免参数实验的错误归因，并按完整轮次管理历史消息。

使用 LLM-Wiki、Obsidian 和 AI Agent 搭建本地知识库：项目创建、模型配置、文档解析、知识检索与 MCP 调用。

智能体基础第一讲：理解 LLM API 的职责、Chat Completions 与 Responses 的输入输出，以及厂商兼容边界。

LLM-Wiki、Obsidian 与 AI Agent 本地知识库方案：架构、安装、目录结构与协作流程。

从 Agent Loop 与 Agent Harness 的关系出发，介绍 Claude Code 与 OpenAI Codex 的项目配置、工具扩展、权限控制和工程化开发闭环。

从 Agent Loop 与 Agent Harness 的基础概念出发，详细介绍 Claude Code 和 OpenAI Codex 的项目配置、MCP、Skills、权限、子智能体及完整开发闭环。

AI系统测试介绍