AI Product Growth 101｜03｜AI Development Loop：从功能迭代到行为迭代
AI 产品不是发布后才知道效果。把真实失败样本变成评估集，让每次模型、提示词和工作流变化都能被比较。
阅读全文
TOPIC TRACK
LLM 101
关于 LLM 101 的文章、框架与实践记录。
124 篇文章
AI Product Growth 101｜04｜Activation：第一次成功结果
AI 产品的激活不是发出第一条 Prompt，而是用户第一次获得可接受、可交付，并且愿意再次委托的任务结果。
阅读全文
AI Product Growth 101｜06｜Monetization：按什么收费，决定你做什么产品
Seat、Token、任务还是结果？AI 产品的收费单位会塑造用户行为，也会决定团队是在优化使用量还是有效价值。
阅读全文
AI Product Growth 101｜07｜Distribution：让产品输出成为增长输入
AI 降低了生产成本，也制造了内容过剩。真正有效的增长来自可传播的结果、可信的人和产品生态，而不是更多自动生成。
阅读全文
AI Product Growth 101｜08｜Operating Metrics：同时衡量结果、信任与经济性
调用量增长不等于产品变好。AI 产品需要同时看任务结果、用户信任和单位经济，任何一条掉队都不可持续。
阅读全文
Loop Engineering 为什么突然火了？
Loop Engineering 不是让 Agent 多跑几轮，而是在不确定的 Agent 之上，设计一条能够产生证据、识别进展并走向可判定终态的路径。
阅读全文
为什么 Claude Code 和 Codex 这么吃额度：从 KV Cache 到 Prompt Cache
为什么 Claude Code、Codex 这类 coding agent 在长任务里容易吃额度、首 token 变慢？原因之一是长上下文反复 prefill。KV Cache 和 Prompt Cache，分别解决了两层重复计算问题。
阅读全文
Pi Agent 101｜13｜The Agent Harness Map
用一张总图把 Pi Agent 101 串起来：模型、工具、消息、会话、上下文、扩展、UI 和可观测性如何组成一个 Agent Harness。
阅读全文
Pi Agent 101｜12｜Observability and Sharing
Pi 把 session、footer、HTML export 和安全观测事件组合成 agent 可调试、可分享的运行记录。
阅读全文
Pi Agent 101｜10｜Mode Adapters
Interactive、Print、RPC 和 SDK 不是四套 agent，而是同一个 AgentSessionRuntime 的四种外壳。
阅读全文
FIELD NOTES / EMAIL
深入拆解模型、Agent 与 AI 产品，关注产品设计、工程实现和真实工作流。
新文章直接送到邮箱。没有信息流焦虑，只有值得保留的工程与产品方法。
免费订阅