Wiki Index

概念 Pages

• Agent Experience Design (AX) — 专为 AI 智能体感知和行动模式设计的界面学科，类比 UX 对人类的意义
• Agent Inbox — 智能体按需拉取信号而非被推送淹没的收件箱界面
• Held Draft — 发送前检查房间状态的草稿保留机制，提供修改/原样/沉默/强制四条路径
• Perception Empathy — AX 设计原则：理解智能体在行动时刻实际看到什么、缺少什么
• Action Explicitness — AX 设计原则：将智能体的内部决策选项显式外化为可选路径
• Overview — 当前知识库总览，串联上下文工程、AI UX 与 LLM Wiki 模式
• Context Engineering — 设计和管理 LLM 上下文窗口的四种策略（Write、Select、Compress、Isolate）
• Context Rot — 输入长度增加导致 LLM 性能断崖式下降
• Attention Mechanism — 注意力机制的工作原理、计算代价和注意力分配不均
• Transformer — 以注意力机制替代 RNN/CNN 的基础序列建模架构
• Self-Attention — 让序列中每个位置直接读取其他位置信息的机制
• Scaled Dot-Product Attention — Transformer 中标准的注意力计算形式
• Multi-Head Attention — 并行关注不同表示子空间的注意力机制
• Positional Encoding — 为 Transformer 注入顺序信息的位置表示
• Context Window — 模型单次交互能看到的词元总数，有效长度远小于营销值
• Lost in the Middle Problem — LLM 对输入中间部分关注度不足的现象
• Retrieval-Augmented Generation (RAG) — 检索增强生成，只拉取相关信息注入上下文
• AI Inference Engineering — 在生产环境中高效运行已训练模型，平衡延迟、吞吐量、成本和质量
• Self-hosted LLMs Local AI Hardware — 本地运行开放 LLM 时的显存、带宽、软件栈和推理引擎系列总览
• Local AI Hardware — 用容量、内存带宽和软件栈判断本地 AI 硬件
• LLM VRAM Sizing — 用参数量、bits per weight 和运行时开销估算 LLM 显存需求
• Memory Bandwidth for LLM Inference — decode 阶段速度的核心硬件约束
• LLM Inference Engines — 推理服务中的内存管理、调度、缓存、并行和 API 软件层
• LLM Inference Benchmarking — 用模型、权重、引擎、硬件、负载和指标描述推理 benchmark
• LLM Inference Phases — prefill 和 decode 两个阶段分别受算力与内存带宽限制
• Inference Batching — 将多个推理请求交织处理，用单用户延迟换取总吞吐量
• Prefix Caching — 复用共享开头片段的 KV-Cache，减少 prefill 成本和 TTFT
• Model Quantization — 用低精度权重降低计算和内存带宽压力
• Speculative Decoding — 用小模型草拟候选词元，再由主模型批量验证以提高 TPS
• Model Parallelism for Inference — 用 tensor parallelism 和 expert parallelism 将模型分布到多 GPU
• Disaggregated Inference Serving — 将 prefill 和 decode 拆成独立服务与 GPU 池
• Scratchpads — 智能体长任务中将中间步骤写入外部存储
• Long-term Memory for LLMs — LLM 跨会话持久化信息
• Multi-agent System — 将任务分配给多个专业化智能体，各自拥有干净的上下文
• LLM Wiki Pattern — 由 LLM 构建和维护的持久化知识库，知识编译一次后持续更新
• KV-Cache — 键值缓存对 AI 智能体性能至关重要，直接影响延迟和成本
• Agent Loop — AI 智能体的标准循环流程，上下文增长与输出失衡
• Cloud Agent Runtime — 云端长时运行智能体的主机、沙盒、桥接、凭证和观测边界
• Smart Host Dumb Sandbox — 让可信主机掌管身份、密钥、计费和状态，让沙盒只承担执行
• Agent Sandbox — 可丢弃的不可信执行边界，运行模型选择的代码和 shell 命令
• Agent Host Control Plane — 云智能体运行中的可信控制平面，保存身份、策略、状态和审计记录
• Agent Tool Bridge — 沙盒跨回产品和认证服务时经过的狭窄、可审计通道
• Scoped Credentials for Agents — 面向单次运行和短时间窗口的智能体作用域凭证模式
• State Machine for Agents — 用状态机管理工具可用性，通过词元屏蔽保持上下文稳定
• Recitation for Attention Manipulation — 通过重复读写（todo.md）将目标保持在上下文末尾，避免迷失在中间
• File System as Context — 将文件系统视为终极上下文，作为无限、持久的外部内存
• Keep Errors in Context — 保留错误痕迹让模型自适应更新
• Few-Shot Prompting in Agents — 少样本提示在 Agent 系统中的陷阱
• Stochastic Graduate Descent — “随机研究生梯度下降”，Manus 团队对实验式迭代方法的戏称
• State Space Model (SSM) — 一类可替代 Transformer 的序列建模路线
• Neural Turing Machines — 将神经网络与外部可读写记忆结合的模型设计
• Masking Tool Logits — 通过屏蔽工具相关词元来约束动作选择
• Intent-based Outcome Specification — 用户描述结果、约束与委派边界，系统负责规划执行
• Articulation Barrier — 用户难以把真实意图完整表达给 AI 的可用性障碍
• Orchestration Surface — 意图与执行之间的协商、审计与回执层
• Intentional Cognitive Friction — 高风险任务中按风险校准的减速与确认机制
• Slow AI — 面向长时运行智能体任务的交互模式
• Intent by Discovery — 通过探索潜在方案空间逐步形成意图的长期 UX 模型
• Interface Design Vocabulary — 用共享术语描述界面设计质量
• UI Typography — 界面文字的字距、行距、尺度、数字对齐和溢出处理
• UI Color Systems — 色彩空间、语义 token、对比度、暗色模式和感知色彩
• UI Iconography — 图标笔画、光学居中、状态样式和隐喻准确性
• UI Layout — 用空间、响应式、层叠和稳定性组织界面内容
• UI Motion — 用缓动、时长、编排和反馈表达界面状态变化
• Accessibility in UI Design — 覆盖对比度、屏幕阅读器、焦点、语义 HTML 和状态表达
• Information Architecture — 组织内容、导航、标签、路标和查找路径
• UI Copywriting — 通过微文案、CTA、错误信息和语气引导用户
• Design Systems — 共享组件、token、变量、视觉语言和交付规则
• Design Analytics — 用行为数据观察设计决策的转化、留存和流失效果
• UI Components — 按钮、输入、浮层、导航、反馈和数据展示组件的基础语义
• Audio Visualization — 将音频频率分量映射成动态图形的技术
• Sound Wave — 描述声音振动随时间变化的波形表示
• Frequency and Amplitude in Sound — 声音的频率与振幅分别对应音高与响度
• Pure Tone — 只含单一频率的正弦波声音
• Audio Sampling — 将连续声音离散化为样本序列
• Sampling Rate and Bit Depth — 数字音频的两个核心参数
• Fourier Transform — 将信号从时域转换到频域的方法
• Time Domain and Frequency Domain — 观察信号的两种视角
• FFT and rFFT — 傅里叶变换的常用快速算法
• Time Smoothing — 让频谱动画更平稳的帧间平滑方法
• Web Audio API — 浏览器中的音频解码与处理接口
• Window Function — FFT 前常见的样本窗口预处理
• Spring Animation — 使用弹簧物理模型驱动动画收敛的方式
• Hooke’s Law — 弹簧恢复力与位移成正比的基本定律
• Harmonic Oscillator — 偏离平衡后受到恢复力的振荡系统
• Damping in Spring Animation — 让弹簧动画逐渐停下的阻尼机制
• Spring Parameters in Framer Motion — mass、stiffness、damping 三个核心参数
• Liquid Glass Effect — 通过折射位移和边缘高光近似实现玻璃 UI 的视觉效果
• Refraction — 光线跨介质传播时改变方向的现象，也是液态玻璃位移建模的基础
• SVG Displacement Map — 用图像通道编码像素位移并交给 <feDisplacementMap /> 执行
• Specular Highlight — 材质表面的明亮反光区域，帮助玻璃效果建立厚度感
• Atmospheric Scattering — 用大气体积中的散射和吸收建模天空、日落和行星大气颜色
• Raymarching — 沿射线分步采样体积介质，累积密度、透射率和散射贡献
• Rayleigh Scattering — 空气分子对短波长光的强散射，是蓝天的主要原因
• Mie Scattering — 尘埃和气溶胶等较大颗粒形成太阳附近光晕与地平线雾化
• Ozone Absorption — 臭氧吸收部分波长，让地平线、日落和暮光颜色发生偏移
• Optical Depth and Transmittance — 描述光沿大气路径遇到多少介质以及剩余多少光
• Planetary Atmosphere Rendering — 用大气球壳、深度缓冲和射线-球体相交渲染行星大气
• LUT-based Atmospheric Scattering — 将昂贵的大气散射计算预计算成纹理查找表再合成
• Modern Browser Architecture — 从网络、解析、渲染、JavaScript、进程和安全边界理解现代浏览器
• Browser Networking and Resource Loading — 浏览器从 URL 到响应字节流的资源获取和优先级链路
• Browser Rendering Pipeline — DOM、CSSOM、layout、paint、raster 和 composite 组成的页面渲染流水线
• Browser Multi-Process Architecture — 用 Browser、Renderer、GPU、Network 等进程拆分浏览器职责
• Site Isolation — 用站点级 renderer 进程、OOPIF 和 sandbox 降低跨站风险
• JavaScript Module Loading — 浏览器用模块图、module map、dynamic import 和 import maps 加载 ES modules
• Keyboard Shortcut Support in Web Apps — 从事件采集、布局映射到命令分派的 Web 快捷键系统总览
• Keyboard Event — 浏览器键盘事件是快捷键系统的第一层输入
• keyCode — 已废弃的键盘事件属性，在跨布局场景里存在歧义
• Keyboard Layout Mapping — 将物理按键与字符输出归一化为意图快捷键
• Keyboard Map API — 浏览器获取当前键盘布局映射的接口提案
• Keybinding Service — 将规范化快捷键映射到命令并裁决冲突的服务
• Context Key Expression — 用 when 表达式描述快捷键绑定的生效条件
• Hybrid Native WebView Architecture — 用平台原生 shell、系统 WebView、Node 和 Rust 组合跨平台桌面应用
• Native-feel WebView Desktop Apps — 让 WebView UI 在窗口、输入、动画和系统材质上表现得像原生桌面应用
• Typed IPC for Multi-runtime Apps — 用集中声明和生成 typed clients 管理跨 Swift/C#、WebView、Node、Rust 的通信边界
• Rust File Indexer — 用 Rust 独立进程扫描文件系统、构建跨平台搜索索引并跟随文件事件更新
• Electron — 将 Chromium、Node 和跨平台桌面应用基础设施打包成成熟运行时
• Hexagonal Grid Geometry — 六边形网格的尺寸、方向、间距和角点计算
• Hex Coordinate Systems — offset、cube、axial、doubled 四类六边形坐标系统
• Cube Coordinates for Hex Grids — 用 q + r + s = 0 的三轴坐标表达六边形算法
• Axial Coordinates for Hex Grids — cube 坐标的二轴存储形式，算法需要时恢复第三轴
• Offset Coordinates for Hex Grids — 通过奇偶行或列错位来适配矩形数组的坐标系统
• Doubled Coordinates for Hex Grids — 通过加倍行或列步长表达错位关系的坐标系统
• Hex Grid Distance — 六边形网格中基于 cube 坐标的最短步数公式
• Hex Grid Line Drawing — 通过插值和 cube_round 找出直线穿过的六边形
• Hex Grid Map Storage — 将六边形坐标映射到数组、哈希表或压缩行结构
• Hex Grid Pathfinding — 在六边形地图上复用 A*、Dijkstra 等图搜索算法
• Hex Grid Implementation — 将六边形网格数学组织成值对象、纯函数和可移植代码 recipe
• Hex Grid Layout — 用 orientation、size 和 origin 处理 hex 坐标与屏幕坐标互转
• Fractional Hex Coordinates — 用浮点 q,r,s 支持屏幕反算、线性插值和 rounding
• Hex Map Shapes — 用坐标循环生成 parallelogram、triangle、hexagon、rectangle 等地图形状
• Offset Coordinate Conversion — 在 offset 坐标和 cube/axial 坐标之间互转的实现模式
• Hacker Culture — 软件黑客共同体围绕能力、贡献和同行认可形成的文化
• Hacker Attitude — 解决问题、共享方案、自动化重复劳动、尊重能力的价值观
• Basic Hacking Skills — 编程、Unix/Linux、Web/HTML 和技术英语构成的入门工具箱
• Hacker vs Cracker — 构建系统的 hacker 与破坏系统的 cracker 的术语边界
• Hacker Status and Reputation — 黑客共同体中由开源贡献、调试、文档和基础设施维护形成的声望机制
• Gift Culture in Hacker Culture — 通过赠与时间、创造力和成果来获得同行认可的共同体机制
• Open Source Software — 现代黑客文化最重要的贡献场域和软件协作实践
• Unix-centered Hacker Culture — 围绕 Unix、Linux、BSD 和互联网基础设施形成的学习传统
• Free Software Movement — 以软件自由为核心的运动及其与 open source 术语的历史分化
• Identity-Based Behavior Change — 先改变自我认同，再让目标行为自然跟随的改变框架
• Goal-Oriented Behavior — 把行为理解为服务显性或隐性目标的目的论视角
• Ego Development Stages — 从冲动型到合一型的心智 / 自我发展阶段框架
• Cybernetic Intelligence — 用目标、行动、感知、比较和反馈回路理解智力
• Vision and Anti-Vision — 用想要的人生和拒绝的人生共同组织改变动力
• Self-Change Protocol — 一天内完成心理挖掘、模式打断和洞见综合的流程
• Life as a Game — 把生活组织成胜利条件、任务、规则和反馈系统
• Tailscale Peer Relay — Tailscale 中由自有 Tailnet 节点承担的原生 WireGuard UDP 中继能力
• Tailscale ACL — 用 Tailnet 身份、tag 和 grants 控制访问与 Peer Relay 能力
• DERP Relay — Tailscale 在 direct 路径缺席时使用的兜底中继机制
• Tailnet — Tailscale 中属于同一组织或账号的私有设备网络
• NAT Traversal — 让 NAT 或防火墙后的设备尽量建立点对点连接的一组技术
• WireGuard — Tailscale 数据面所依赖的现代 UDP 加密隧道协议
• Open Source Trust Erosion — 开源产品通过价格、承诺文本、治理信号和兼容策略渐进改变用户信任关系
• Self-hosted Password Management — 用户自托管密码库服务端以保留数据、同步和退出路径控制权
• API Compatibility Drift — 上游 API 与客户端契约渐进演化导致第三方兼容实现逐步落后的风险
• Open Source Fork Safety — 社区依靠许可证、源码、数据可迁移性和分叉能力维持产品退出路径

实体

• Raft (formerly Slock) — 智能体原生工作空间，前身为 Slock，引入 Agent Inbox 和 Held Draft
• Tenny — Raft 团队作者
• ByteByteGo — 技术博客，发布了 Context Engineering 指南
• Karpathy — Andrej Karpathy，提出 context engineering 概念
• Chroma — AI 公司，2025 年 Context Rot 研究的发布者
• Anthropic — AI 公司，多智能体研究系统的开发方
• Cognition — Devin 编码智能体的开发商
• Manus — AI 智能体项目，被 Meta 收购，提供了上下文工程实战经验
• qmd — 面向 Markdown wiki 的本地搜索工具
• Framer Motion — React 动画库，支持弹簧动画
• Maxime Heckel — 撰写前端动画与交互原理文章的作者
• Jakob Nielsen — 可用性领域先驱，提出 AI 时代 UX 需要重写评估指标与交互范式
• Peng Lyu — 《Web 应用快捷键支持》系列作者
• VS Code — 作为案例应用解释 Web 快捷键系统实现
• node-native-keymap — 读取操作系统键盘布局的 Node 原生模块
• Raycast — 桌面生产力工具，Raycast 2.0 展示了 native shell + system WebView 的跨平台架构
• Amit J. Patel — Red Blob Games 作者，整理六边形网格、寻路和游戏开发可视化资料
• Eric Steven Raymond — 黑客文化和开源运动作者，编写 How To Become A Hacker
• Red Blob Games — Amit J. Patel 的交互式游戏开发算法与可视化写作网站
• Sebastian Hillaire — 实时天空与大气渲染研究者，LUT 大气散射方法的重要参考
• Tailscale — 基于 WireGuard 的私有组网产品，提供 Tailnet、Tailscale ACL、设备发现和路径选择
• Bitwarden — 开源密码管理器产品，文章案例关注其价格、承诺、管理层和客户端/API 风险
• Vaultwarden — 兼容 Bitwarden server API 的自托管密码管理服务端
• PPB1701 — ByteHaven 博客作者，关注开源产品、用户控制权和自托管
• Cursor — AI 代码编辑器，文章中作为开放模型自托管和低延迟推理优化案例
• Dan Koe — 围绕个人成长、创作者商业和生活设计写作的作者
• Addy Osmani — 前端性能、JavaScript 和 Chrome / Chromium 生态相关技术作者
• Ahmad Osman — 本地 AI、自托管 LLM、推理硬件和推理引擎写作者
• Chromium — Chrome、Edge、Brave 和 WebView2 等运行时背后的开源浏览器项目
• Blink — Chromium 的渲染引擎，负责 DOM、CSS、layout、paint 和 compositor 管线
• V8 JavaScript Engine — Chromium 中执行 JavaScript 和 WebAssembly 的引擎
• Gecko — Firefox 的浏览器引擎，代表 Stylo、WebRender 和 Fission 架构线
• WebKit — Safari 和 Apple 系统 WebView 的浏览器引擎

源摘要

• Is Having Agents in the Room Meant to Be Chaotic — Raft 团队关于智能体共享工作空间中的噪音、AX 设计和 Inbox/Held Draft 解决方案（2026-05-21）
• A Guide to Context Engineering for LLMs — ByteByteGo 关于上下文工程的全面指南（2025-12-16）
• A Guide to AI Inference Engineering — ByteByteGo 关于 LLM 推理阶段、服务指标和六类推理优化技术的指南（2026-06-15）
• llm-wiki — karpathy 关于 LLM Wiki 模式的原始概念文件（2026-04-04）
• Context Engineering for AI Agents Lessons from Building Manus — Manus 团队的实战经验（2025-07-18）
• 音频可视化：采样、频率和傅里叶变换 — 从声音波形、采样到频谱可视化的实现链路（2021-08-06）
• The physics behind spring animations - The Blog of Maxime Heckel — 解释弹簧动画背后的物理模型与 Framer Motion 参数（2020-06-23）
• Attention Is All You Need — 提出 Transformer 架构的经典论文（2017-06-12）
• Liquid Glass in the Browser Refraction with CSS and SVG — 用折射建模和 SVG 位移贴图近似实现 Liquid Glass（2025-10-04）
• Intent by Discovery Designing the AI User Experience — Jakob Nielsen 关于 AI UX 范式转移与发现式交互的文章（2026-03-26）
• Web 应用快捷键支持（一）：正确处理 Keyboard Event — 解释 keydown、keyCode 歧义和 key / code 的起点问题（2019-08-11）
• Web 应用快捷键支持（二）：codekey 的缺点和 Node native keymap — 解释 code/key、布局映射和 Keyboard Map API 的边界（2019-08-25）
• Web 应用快捷键支持（三）：VS Code 快捷键服务的实现 — 解释 when、冲突裁决和快捷键到命令的分派过程（2019-09-11）
• A Technical Deep Dive Into the New Raycast — Raycast 2.0 跨平台重写的架构、WebView 原生手感、typed IPC 和 Rust 文件索引器（2026-05-14）
• Red Blob Games Hexagonal Grids — Amit J. Patel 关于六边形网格数学、坐标系统和算法实现的指南（2013-03-11）
• How To Become A Hacker — Eric Steven Raymond 关于黑客文化、学习路径和开源声望机制的经典 FAQ（2001-01-01）
• Implementation of Hex Grids — Red Blob Games 六边形网格实现 recipe，覆盖 Hex、Layout、map shape 和 offset 转换（2015-05-06）
• On Rendering the Sky, Sunsets, and Planets - The Blog of Maxime Heckel — Maxime Heckel 关于浏览器实时大气散射、行星大气和 LUT 优化的 shader 实验（2026-05-12）
• 国内自建 Peer Relay 实现 Tailscale 加速：RTT 160ms → 30ms — 用阿里云北京 VPS 启用 Tailscale Peer Relay，把国内 Tailnet 设备 RTT 从约 160ms 降到 29-54ms（2026-04-23）
• The Quiet Renovation at Bitwarden - ByteHaven - Where I ramble about bytes — 记录 Bitwarden 价格、承诺、领导层和 Vaultwarden 自托管风险的信任变化案例（2026-05-16）
• Say precisely what you mean. — Index Vocabulary 关于界面设计术语、组件、系统和度量的词汇表（2026-06-16）
• How to fix your entire life in 1 day — Dan Koe 关于身份改变、目标系统和一日自我重置流程的 X 长文（2026-01-12）
• How modern browsers work — Addy Osmani 关于现代浏览器网络、渲染、V8、多进程和安全隔离的导览（2026-06-21）
• Dumb Sandbox, Smart Host — @intuitiveml 关于云智能体可信主机、不可信沙盒和桥接边界的 X 长文（2026-06-17）
• GPU Memory Math for LLMs (2026 Edition) — Ahmad Osman 自托管 LLM / 本地 AI 系列第 1 部分，解释参数量、bits per weight 与显存估算（2026-04-04）
• Memory Bandwidth for Local AI Hardware (2026 Edition) — Ahmad Osman 自托管 LLM / 本地 AI 系列第 2 部分，解释容量、带宽与软件栈的硬件判断框架（2026-04-07）
• Inference Engines for LLMs & Local AI Hardware (2026 Edition) — Ahmad Osman 自托管 LLM / 本地 AI 系列第 3 部分，解释推理引擎选择与硬件 / workload / serving model 的关系（2026-05-21）

分析 / 对比

• Browser Engine Comparison — 对比 Chromium / Blink、Gecko 和 WebKit 在样式、图形、JavaScript 和进程模型上的实现差异