{
  "count": 2,
  "articles": [
    {
      "id": "https://hydblog.xyz/2026/08/23/agent-engineering-from-claude-code/",
      "title": "三个 Claude Code 实现：一份 Agent 工程笔记",
      "description": "把 CoreCoder、Claude Code 与 learn-claude-code 放在一起读，Agent Loop、工具、上下文、并发、多 Agent 与安全边界这几块机制就串成了一条线。",
      "llmSummary": "一份来自三个实现的 Agent 工程笔记。CoreCoder 是 Python 手写的最小实现，Claude Code 是生产实现，learn-claude-code 是教学实现。内容覆盖 Agent Loop 的流转条件与中断修复、工具定义与文件编辑策略、上下文注入与三档压缩、QueryEngine 的长期状态、并行工具与子 Agent、Hook 与 Task 扩展点、多 Agent 协作、记忆 / MCP / 后台任务 / 定时任务，以及路径与命令的安全防线。",
      "url": "https://hydblog.xyz/2026/08/23/agent-engineering-from-claude-code/",
      "pubDate": "2026-08-23T13:00:00.000Z",
      "tags": [
        "Agent",
        "Claude Code",
        "源码阅读",
        "工程实践"
      ],
      "markdownUrl": "https://hydblog.xyz/2026/08/23/agent-engineering-from-claude-code.md"
    },
    {
      "id": "https://hydblog.xyz/2026/04/04/transformer-learning-notes/",
      "title": "Transformer 学习笔记：从整体架构到多头注意力",
      "description": "一份按机制整理的 Transformer 学习笔记：先看数据怎么流过编码器与解码器，再逐个拆开 Token、词嵌入、位置编码、Q/K/V 注意力、训练与推理的差别、因果掩码、前馈网络、多头注意力与层归一化。",
      "llmSummary": "一份 Transformer 的学习笔记，按先整体再拆件的顺序整理：编码器与解码器的数据流；学大模型前需要回答的三个问题（神经网络、注意力机制、PyTorch 组成）；Token、词嵌入矩阵与位置编码各自解决什么问题；Q、K、V 的含义，Q·K 点积为什么代表相关性，softmax 前为什么要除以维度的平方根；自注意力与交叉注意力的区别，以及交叉注意力为什么不需要掩码；训练时并行预测多个 token 而推理时逐 token 生成，因此需要因果掩码防止偷看，做法是把后文置为负无穷再经 softmax 变成 0；前馈网络、多头注意力与层归一化的定义，包括层归一化与批量归一化在归一化维度上的差别。",
      "url": "https://hydblog.xyz/2026/04/04/transformer-learning-notes/",
      "pubDate": "2026-04-04T13:00:00.000Z",
      "tags": [
        "Transformer",
        "深度学习",
        "注意力机制",
        "学习笔记"
      ],
      "markdownUrl": "https://hydblog.xyz/2026/04/04/transformer-learning-notes.md"
    }
  ]
}