{ "count": 8, "topics": [ { "name": "工程实践", "slug": "工程实践", "url": "https://hydblog.xyz/topics/%E5%B7%A5%E7%A8%8B%E5%AE%9E%E8%B7%B5/", "articleCount": 1, "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" } ] }, { "name": "深度学习", "slug": "深度学习", "url": "https://hydblog.xyz/topics/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/", "articleCount": 1, "articles": [ { "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" } ] }, { "name": "学习笔记", "slug": "学习笔记", "url": "https://hydblog.xyz/topics/%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0/", "articleCount": 1, "articles": [ { "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" } ] }, { "name": "源码阅读", "slug": "源码阅读", "url": "https://hydblog.xyz/topics/%E6%BA%90%E7%A0%81%E9%98%85%E8%AF%BB/", "articleCount": 1, "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" } ] }, { "name": "注意力机制", "slug": "注意力机制", "url": "https://hydblog.xyz/topics/%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/", "articleCount": 1, "articles": [ { "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" } ] }, { "name": "Agent", "slug": "agent", "url": "https://hydblog.xyz/topics/agent/", "articleCount": 1, "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" } ] }, { "name": "Claude Code", "slug": "claude-code", "url": "https://hydblog.xyz/topics/claude-code/", "articleCount": 1, "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" } ] }, { "name": "Transformer", "slug": "transformer", "url": "https://hydblog.xyz/topics/transformer/", "articleCount": 1, "articles": [ { "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" } ] } ] }