CJH's blog

Cairn 与面向目标的状态空间搜索 本文以本地克隆的 oritera/Cairn（main 分支，提交 8e7e0ea，2026-09-07）为对象，逐文件阅读源码，对照仓库内的 docs/specs/*.md 协议文档与作者复盘，并在本机运行测试套件验证。论述重点为两项：其一，该系统如何把渗透测试重述为面向目标的状态空间搜索；其二，仅由决定与执行两类活动构成的极简循环，其运行条件与代价为何。 GitHub - oritera/Cairn: Cairn is a general-purpose AI state-space search engine, validated first on autonomous penetration testing. Sometimes misspelled as Carin. · GitHub 标注约定。 依照本专题的规则，文中区分三类陈述，以免将作者的声明与本文的推断混用： 标记 含义 原作自述 作者在 README.md、docs/specs/*.md 或复盘中明确写出 源码推得 作者未直接说明，但实现可逐项对应，由本文阅读 ...

LLM新技术中的CS原型（四）ARTEX：双图架构解决长任务幻觉问题 主作者：陈劲铧 本文基于 ARTEX 当前源码、本地深度拆解文档和仓库既有截图编写。实验仅限本地页面与源码测试，不连接线上 Demo，不执行真实目标探测。ARTEX 官方免责声明禁止将其用于线上系统、生产环境或未经授权的目标。 参考资料 官方仓库：GitHub - mhtsec/ARTEX Demo：ARTEX — 自主渗透测试控制台 深度拆解：D:/ARTEX/ARTEX/深度拆解/01-系统架构与核心机制.md、02-数据模型与执行链路.md 本地源码快照：D:/ARTEX/ARTEX，当前阅读提交 b55ceb1fdd84a813d77de09a06af83d323a81f85 1 项目介绍 1.1 ARTEX 要解决什么问题 普通 Agent 往往把目标、工具和历史消息交给一个模型，让它连续调用工具，最后输出一段总结。任务一长，就容易出现： 模型忘记目标，重复探测或偏离范围； 前置事实尚未出现，后续步骤已经被提前执行； 一个 Worker 的中间观察没有写入公共状态，其他 Worker 只能重复劳动 ...

LLM新技术中的CS原型（三）MemGPT：将 LLMs 视为操作系统 参考图片： 图：MemGPT 论文中的系统结构。有限上下文被划分为系统指令、工作上下文和 FIFO 队列；归档存储与召回存储位于上下文窗口之外。 官方链接：MemGPT Research GitHub 链接：letta-ai/letta 参考链接： 论文：[2310.08560] MemGPT: Towards LLMs as Operating Systems 论文 HTML 版：MemGPT: Towards LLMs as Operating Systems 当前活跃实现：letta-ai/letta-code 中文解读：MemGPT：将 LLMs 视为操作系统——以达无限 Context 版本说明： 本文主要分析 arXiv 2310.08560v2，该版本首次提交于 2023 年 10 月，最后修订于 2024 年 2 月。MemGPT 后来更名为 Letta；截至本文编写时，letta-ai/letta 已成为历史入口，活跃代码位于 letta-ai/letta-code。除第 5 节外，文 ...

LLM新技术中的CS原型（二）vLLM：KV Cache 的虚拟内存分页 官方链接：vLLM github链接：vllm-project/vllm: A high-throughput and memory-efficient inference and serving engine for LLMs 参考链接： 强相关论文： [2309.06180] Efficient Memory Management for Large Language Model Serving with PagedAttention 知乎优质博客：vLLM不知如何开始？看这篇：vLLM框架快速入门引导 https://zhuanlan.zhihu.com/p/1984742841528902530 被咕咕了。未完待续。

LLM新技术中的CS原型（一）OpenViking：上下文像文件系统一样组织 主作者：陈劲铧 参考图片： 官方链接：OpenViking - The Context Database for AI Agents github链接：volcengine/OpenViking: Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills. 参考链接： 个人博客：OpenViking_记忆库理论与工具分析及个人体验（初期探索） | CJH’s blog 强相关论文： [2605.29640] VikingMem: A Memory Base Management System for Stateful LLM-based Applications [2609.11390] VikingRAG: Accurate and Token-efficient Retrieval-augmented Generation over Structured Documents [ ...

LLM新技术中的CS原型（零）：专题介绍 副标题：今天的 AI 系统问题，可能是昨天的计算机科学问题。 参考图： 0 前言 该专题由陈劲铧/杨万宏共同策划编写。该作品使用了AI工具编排与润色，但核心内容与理念都由两人共同分析总结。如对作品内容有疑问，联系方式如下： 陈劲铧：深圳大学24届计算机技术研究生。 博客：CJH’s blog - CJH’s blog 邮箱：1005741898@qq.com 杨万宏：深圳大学25届计算机技术研究生。 博客： 邮箱： 1 专题介绍 今天的 AI 系统问题，可能是昨天的计算机科学问题。 随着大模型逐渐从一个“生成模型”演变为完整的软件系统，Memory、RAG、Tool Calling、Agent、Workflow、Model Serving、Context Engineering 等问题接踵而来。与此同时，一个非常有意思的现象也越来越明显：当我们拆开这些系统的实现，会不断遇到一些熟悉的身影——文件系统、虚拟内存、数据库索引、查询优化器、编译器、调度器、缓存、RPC、类型系统、分布式一致性、回归、分类、Bandit、贝叶斯优化……这些原本 ...

公开基准与聚合榜单调研 调研日期：2026-08-13 问题：benchlm.ai / llm-stats.com 这类聚合榜单背后的基准数据集有多大？跑一遍需要多少时间和算力？ 一句话结论 基准数据集小得出乎意料，算力几乎不是问题——真正的成本来自推理 token 和 agent 多轮，而不是数据量。 更值得注意的是第二点：这些聚合站大多不自己跑基准，而是抓取公开分数，而公开分数之间的可比性远比想象中差。 一、基准到底有多大 主流基准的规模 基准 题量 类型 AIME（单年） 30 数学竞赛，数值答案 CritPt 70 物理推理 Terminal-Bench v2.1 89 终端 agent 任务 𝜏³-Banking 97 工具调用 agent AA-LCR 100 长上下文推理 ARC-AGI-2（公开评测集） ~120 视觉推理 HumanEval 164 Python 函数补全 GPQA Diamond 198 研究生级四选一 GDPval-AA v2 220 真实工作任务 SciCode 288 子问题 科研代码 ...

TypeScript vs Python 在 Agent 应用开发中的优势对比 Python 是当前 Agent 生态绝对主流（LangChain、LlamaIndex、AutoGPT、各类 LLM SDK），但 TypeScript(TS/Node.js) 在 Agent 工程化、生产部署、前端打通、高并发场景有非常明确的优势，同时也存在生态短板。下面聚焦Agent 开发场景，只讲 TS 相对 Python 的优势，顺带点明局限。 TypeScript 在 Agent 开发的核心优势 1. 强类型系统：大型 Agent 项目可维护性显著提升 Agent 代码复杂度来源：多工具调用、多轮上下文、Agent 状态流转、复杂 Prompt 模板、工具入参出参、多 Agent 协作、记忆模块。 TS：静态类型、Interface、Generic、Zod 生态，可对：Agent 状态、工具参数、LLM 结构化输出、记忆数据、消息历史做类型约束。 配合 Zod 做 LLM 输出 Schema 校验：编译期 + 运行期双重校验，减少 LLM 返回非法 JSON 导致 Agent 崩溃。 多 ...

模型测评体系 根本测不完，歇逼了。推荐几个可靠的模型测评网站吧QAQ。 llm-stats LLM Leaderboard & AI Model Benchmarks — Nov 2026 | BenchLM Arena - 全球领先的AI模型评测平台

TencentDB-技术解析与体验分析 项目： Tencent/TencentDB-Agent-Memory — 让 Agent 沉淀经验，让人专注创造。 GitHub： https://github.com/Tencent/TencentDB-Agent-Memory 目录 项目定位与核心命题 竞品格局 技术栈与技术实现路线 功能清单 使用方法与工作流程 实现效果与用户价值 可提炼的方法论 局限与风险 可优化项 真实体验与体验分析 附录：关键文件索引与注释 一、项目定位与核心命题 定位 面向 AI Agent 团队的**「记忆 Hub」。核心理念一句话——「让经验沉淀、流动，然后被下一位 Agent 直接继承」**。其价值主张链条： 1已有信息 → 可复用记忆资产 → 更少 Turns → 更少返工 → 更稳定的结果和更高的效率 要解决的实际痛点 换一个 Session，同样的背景（项目、文档、结论）要重新讲一遍 换一个 Agent，文档要从第一页重读 一套已经跑通的做法，下次还要从头摸索一遍 关键约束（如「别重构旧鉴权模块，移动端还在用」）这种高代价上下文，不该靠人每 ...