<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"><channel><title>HYD</title><description>HYD 的个人站点：公开文章、项目与自我介绍。同一份内容同时供人阅读、搜索引擎收录与 AI Agent 读取。</description><link>https://hydblog.xyz/</link><item><title>三个 Claude Code 实现：一份 Agent 工程笔记</title><link>https://hydblog.xyz/2026/08/23/agent-engineering-from-claude-code/</link><guid isPermaLink="true">https://hydblog.xyz/2026/08/23/agent-engineering-from-claude-code/</guid><description>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。</description><pubDate>Sun, 23 Aug 2026 13:00:00 GMT</pubDate></item><item><title>Transformer 学习笔记：从整体架构到多头注意力</title><link>https://hydblog.xyz/2026/04/04/transformer-learning-notes/</link><guid isPermaLink="true">https://hydblog.xyz/2026/04/04/transformer-learning-notes/</guid><description>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。</description><pubDate>Sat, 04 Apr 2026 13:00:00 GMT</pubDate></item></channel></rss>