{
  "articles": [
    {
      "url": "/2026/08/23/agent-engineering-from-claude-code/",
      "title": "三个 Claude Code 实现：一份 Agent 工程笔记",
      "excerpt": "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。",
      "tags": [
        "Agent",
        "Claude Code",
        "源码阅读",
        "工程实践"
      ],
      "series": "",
      "seriesName": "",
      "date": "2026-08-23"
    },
    {
      "url": "/2026/04/04/transformer-learning-notes/",
      "title": "Transformer 学习笔记：从整体架构到多头注意力",
      "excerpt": "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。",
      "tags": [
        "Transformer",
        "深度学习",
        "注意力机制",
        "学习笔记"
      ],
      "series": "",
      "seriesName": "",
      "date": "2026-04-04"
    }
  ],
  "notes": [
    {
      "url": "/notes/from-csdn/",
      "title": "从 CSDN 到自己的站点",
      "excerpt": "对 CSDN 时期内容的总结：前期集中在 Python、Numpy / Pandas 与数据分析、可视化和几个比赛项目，后期转向 Transformer、LLM 与 Agent（工具调用、Agent Loop、MultiAgent、Prompt / Context / Harness、Claude Code、提示词注入防御、Agent checkpoint）；从 2026 年 9 月起把博客写在自己的站点上，CSDN 的旧文保留但不再更新。",
      "tags": [
        "随笔",
        "写作"
      ],
      "series": "",
      "seriesName": "",
      "date": "2026-09-24"
    }
  ],
  "answers": [
    {
      "url": "/answers/live-ask/",
      "q": "本站的搜索和提问是怎么工作的？",
      "a": "先匹配预生成的策展答案，没命中就在文章、随笔与问答里做全文检索；仍未命中则交给实时问答服务，检索公开内容并生成带来源的回答，单轮、有配额、不长期记忆。",
      "full": "**站内提问不依赖模型也能用。** 常见的几个问题都有预生成的策展答案，命中时直接呈现；没有命中的问题就在已发布内容里做全文检索，返回相关的策展问答与文章。\n\n再没有命中的问题会交给实时问答服务：它检索本站公开内容，把检索到的片段交给模型生成有来源依据的回答，浏览器入口带人机验证与配额。回答只基于已发布的内容，单轮对话。\n\n无论哪一层，回答都不会长期记忆，也不会代替作者做承诺；有疑问时以链接到的公开页面为准。"
    },
    {
      "url": "/answers/what-is-this-site/",
      "q": "本站是什么？",
      "a": "HYD 的个人站点，记录 AI 全栈与 LLM 方向的学习过程，发布文章、随笔、项目和常见问题；用 Astro、Starlight 和 Refined-X 模板搭建，一份内容同时面向读者、搜索引擎和 AI Agent。",
      "full": "**这是 HYD 的个人站点。** 内容以学习过程为主：AI 全栈、LLM 与 Agent 相关的笔记和文章，加上做出来的项目和随手写下的随笔。\n\n站点用 Astro 和 Starlight 搭建，基于 Refined-X 发布模板：文章、随笔、问答和项目都写在 Markdown 与 YAML 里，构建时除了生成给人读的页面，还会生成同一份内容的 Markdown 镜像、llms.txt 和 JSON 接口，方便搜索引擎和 AI Agent 直接读取。\n\n想了解人，看[关于页面](/about/)；想了解做过什么，看[项目页](/projects/)；想找具体答案，用站内提问，或者直接翻[常见问题](/answers/)。"
    },
    {
      "url": "/answers/collaborate/",
      "q": "如何与 HYD 合作？",
      "a": "发邮件到 HYDhyd0505@gmail.com，或者在 GitHub 上找 HYDtomako 开 Issue、提 PR；聊 AI Agent 实践、开源协作和站点发布都欢迎。",
      "full": "**最快的方式是发邮件：HYDhyd0505@gmail.com。** 也可以在 GitHub 上找到 HYDtomako 开 Issue、提 PR，QQ 是 2804956879。\n\n适合一起聊的方向：AI Agent 的工程实践，比如工具调用、长期记忆、多 Agent 协作；开源项目上的分工与代码评审；以及个人站点和内容发布。做过的东西都列在[项目页](/projects/)上，觉得哪个能一起做，直接说就行。\n\n目前还在读书，回复可能不快，但每封都会认真看。"
    },
    {
      "url": "/answers/where-articles-were/",
      "q": "以前的文章发在哪里？",
      "a": "2025 年夏天起写在 CSDN（blog.csdn.net/2401_87876529），前期是 Python 与数据分析，后期转向 Transformer、LLM 与 Agent；2026 年 9 月起新内容写在这里，旧文保留不再更新。",
      "full": "**2025 年夏天到 2026 年 9 月，文章都写在 CSDN 上，前后二十来篇：** https://blog.csdn.net/2401_87876529\n\n前半段补基础：Python 的数据结构、Numpy 和 Pandas，接着是数据分析与可视化，中间夹着几个比赛和小项目；后半段转向 AI，从 Transformer 写到工具调用、Agent Loop、MultiAgent、Claude Code，还有提示词注入防御和 Agent checkpoint 这些工程问题。\n\n现在新内容都写在这个站点上，CSDN 的旧文保留但不再更新。搬过来之后顺手把旧笔记重排了一遍，[Transformer 学习笔记](/2026/04/04/transformer-learning-notes/)就是重新捋过顺序的那一篇；搬家这件事本身写在随笔[从 CSDN 到自己的站点](/notes/from-csdn/)里。"
    },
    {
      "url": "/answers/open-source-projects/",
      "q": "有哪些开源项目？",
      "a": "目前六个：EnCoder、QQbot、Minimind-notes、Simple_CNN、interview-skill、homework-web_blog，集中在 Agent 工具和深度学习复现上。",
      "full": "**公开的项目集中在两件事上：Agent 工具，和深度学习的基础复现。** 仓库都在 GitHub：https://github.com/HYDtomako\n\n**EnCoder** 是 CoreCoder 的扩展版，在最小 Agent 实现上补了定时调度、长期记忆、Agent 团队与任务管理。**QQbot** 用 pi 当大脑、NapCatQQ 做连接，把知识问答、课表查询、群管理、定时任务、长期记忆和模型热切换放进一个机器人里。\n\n**Minimind-notes** 梳理大模型结构与训练方法，**Simple_CNN** 从卷积、池化一路复现到完整训练流程。另外两个偏练习：**interview-skill** 把 JD 和简历放在一起做针对性面试练习，**homework-web_blog** 是 Python Web 课的期末博客站点。\n\n每个项目的状态、标签和仓库地址都在[项目页](/projects/)。"
    },
    {
      "url": "/answers/ai-practice/",
      "q": "站点记录了哪些 AI 实践？",
      "a": "分三层：Transformer 与深度学习的学习笔记，Agent 工程机制的源码阅读笔记（Agent Loop、工具、上下文压缩、多 Agent），以及把这些机制用起来的小工具，比如 EnCoder 和 QQbot。",
      "full": "**AI 是这里的主线，写下来的内容大致分三层，从机制到能跑起来的东西。**\n\n第一层是基础机制：[Transformer 学习笔记](/2026/04/04/transformer-learning-notes/)把 Token、位置编码、Q/K/V 注意力、多头注意力和层归一化按数据流拆开讲；Simple_CNN 记录了从卷积、池化到完整训练的复现过程。\n\n第二层是 Agent 工程：[三个 Claude Code 实现](/2026/08/23/agent-engineering-from-claude-code/)放在一起读，Agent Loop、工具定义、上下文注入与压缩、并行工具与子 Agent、多 Agent 协作和安全边界串成了一条线；Minimind-notes 则是大模型结构与训练方法的学习记录。\n\n第三层是能跑起来的东西：EnCoder 在最小 Agent 实现上补了定时调度、长期记忆、Agent 团队与任务管理；QQbot 用 pi 当大脑、NapCatQQ 做连接，覆盖知识问答、课表查询、群管理、长期记忆和模型热切换。项目清单都在[项目页](/projects/)。"
    },
    {
      "url": "/answers/who-is-author/",
      "q": "作者是谁？",
      "a": "HYD 是青岛工学院 2024 级数据科学与大数据技术专业的学生，方向是 AI Agent 与 AI Native 产品，习惯把学到的东西推到能跑起来的那一步，再开源出来。",
      "full": "**HYD** 是青岛工学院 2024 级数据科学与大数据技术专业的学生，方向是 AI Agent 与 AI Native 产品，平时在写代码、读论文和做小工具之间来回切换。\n\n比起把知识停在笔记里，他更习惯把它推到能跑起来的那一步：源码读到能复述，想法做成能用的工具，再回到站点上复盘。公开的项目在 GitHub（https://github.com/HYDtomako），从 Agent 应用到深度学习的基础复现都有。\n\n代码之外的那一面写在[关于页面](/about/)里：动漫、音乐，还有出门随手拍的风景。"
    },
    {
      "url": "/answers/agent-ready/",
      "q": "Agent 或 AI 怎么读取本站内容？",
      "a": "从同一份内容生成 llms.txt、llms-full.txt、Markdown 镜像、JSON 接口和 OpenAPI 描述，Agent 不用解析页面布局就能拿到可引用的材料。",
      "full": "**同一份内容，既有给人看的页面，也有给机器读的接口。** 入口目录是 [llms.txt](/llms.txt)，完整语料在 [llms-full.txt](/llms-full.txt)。\n\n文章、随笔和问答都有对应的 Markdown 镜像与 JSON 接口，例如 /api/articles.json、/api/profile.json、/api/search-index.json；接口字段说明在 [openapi.json](/openapi.json)，站点地图在 /sitemap-index.xml。Markdown 镜像就是发布时用的原文，引用时不会和页面渲染产生出入。\n\n站内提问走三层：策展答案、全文检索，以及实时 AI 问答（见「本站的搜索和提问是怎么工作的？」）。实时回答由同源的 Worker 提供——它先检索本站公开内容，再生成带来源引用的答案，保持单轮、不做长期记忆。"
    }
  ],
  "items": [
    {
      "type": "article",
      "url": "/2026/08/23/agent-engineering-from-claude-code/",
      "title": "三个 Claude Code 实现：一份 Agent 工程笔记",
      "excerpt": "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。",
      "tags": [
        "Agent",
        "Claude Code",
        "源码阅读",
        "工程实践"
      ],
      "series": "",
      "seriesName": "",
      "date": "2026-08-23"
    },
    {
      "type": "article",
      "url": "/2026/04/04/transformer-learning-notes/",
      "title": "Transformer 学习笔记：从整体架构到多头注意力",
      "excerpt": "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。",
      "tags": [
        "Transformer",
        "深度学习",
        "注意力机制",
        "学习笔记"
      ],
      "series": "",
      "seriesName": "",
      "date": "2026-04-04"
    },
    {
      "type": "note",
      "url": "/notes/from-csdn/",
      "title": "从 CSDN 到自己的站点",
      "excerpt": "对 CSDN 时期内容的总结：前期集中在 Python、Numpy / Pandas 与数据分析、可视化和几个比赛项目，后期转向 Transformer、LLM 与 Agent（工具调用、Agent Loop、MultiAgent、Prompt / Context / Harness、Claude Code、提示词注入防御、Agent checkpoint）；从 2026 年 9 月起把博客写在自己的站点上，CSDN 的旧文保留但不再更新。",
      "tags": [
        "随笔",
        "写作"
      ],
      "series": "",
      "seriesName": "",
      "date": "2026-09-24"
    },
    {
      "type": "answer",
      "title": "本站的搜索和提问是怎么工作的？",
      "excerpt": "先匹配预生成的策展答案，没命中就在文章、随笔与问答里做全文检索；仍未命中则交给实时问答服务，检索公开内容并生成带来源的回答，单轮、有配额、不长期记忆。",
      "url": "/answers/live-ask/"
    },
    {
      "type": "answer",
      "title": "本站是什么？",
      "excerpt": "HYD 的个人站点，记录 AI 全栈与 LLM 方向的学习过程，发布文章、随笔、项目和常见问题；用 Astro、Starlight 和 Refined-X 模板搭建，一份内容同时面向读者、搜索引擎和 AI Agent。",
      "url": "/answers/what-is-this-site/"
    },
    {
      "type": "answer",
      "title": "如何与 HYD 合作？",
      "excerpt": "发邮件到 HYDhyd0505@gmail.com，或者在 GitHub 上找 HYDtomako 开 Issue、提 PR；聊 AI Agent 实践、开源协作和站点发布都欢迎。",
      "url": "/answers/collaborate/"
    },
    {
      "type": "answer",
      "title": "以前的文章发在哪里？",
      "excerpt": "2025 年夏天起写在 CSDN（blog.csdn.net/2401_87876529），前期是 Python 与数据分析，后期转向 Transformer、LLM 与 Agent；2026 年 9 月起新内容写在这里，旧文保留不再更新。",
      "url": "/answers/where-articles-were/"
    },
    {
      "type": "answer",
      "title": "有哪些开源项目？",
      "excerpt": "目前六个：EnCoder、QQbot、Minimind-notes、Simple_CNN、interview-skill、homework-web_blog，集中在 Agent 工具和深度学习复现上。",
      "url": "/answers/open-source-projects/"
    },
    {
      "type": "answer",
      "title": "站点记录了哪些 AI 实践？",
      "excerpt": "分三层：Transformer 与深度学习的学习笔记，Agent 工程机制的源码阅读笔记（Agent Loop、工具、上下文压缩、多 Agent），以及把这些机制用起来的小工具，比如 EnCoder 和 QQbot。",
      "url": "/answers/ai-practice/"
    },
    {
      "type": "answer",
      "title": "作者是谁？",
      "excerpt": "HYD 是青岛工学院 2024 级数据科学与大数据技术专业的学生，方向是 AI Agent 与 AI Native 产品，习惯把学到的东西推到能跑起来的那一步，再开源出来。",
      "url": "/answers/who-is-author/"
    },
    {
      "type": "answer",
      "title": "Agent 或 AI 怎么读取本站内容？",
      "excerpt": "从同一份内容生成 llms.txt、llms-full.txt、Markdown 镜像、JSON 接口和 OpenAPI 描述，Agent 不用解析页面布局就能拿到可引用的材料。",
      "url": "/answers/agent-ready/"
    }
  ]
}