Jev：一个故意不聊天的 AI 模型，和它在 Agent 里的位置
TypeSafe 发布的 Jev 故意不生成文本。它把"判断"从"生成"里拆出来：输入业务状态，输出类型化的 Choice、Score、Noul 与置信度。本文梳理它的三个原语、判断与执行分离的工程模式，以及它在 Agent 链路里最适合充当的门控层角色。
Topic Archive
4 articles
Agent 架构重构：为什么 System Prompt 不该存进 History？
深入探讨 Coding Agent 架构中 System Prompt 的正确处理方式。分析将系统提示词存入历史消息的常见问题，提出 Stateless Agent 的改进方案，并结合 Prompt Caching 技术实现成本优化。涵盖 Anthropic、OpenAI、Google、DeepSeek 等主流厂商的缓存策略对比，帮助开发者构建灵活、可扩展的 Agent 架构。
LangChain.js 100 行系列 - 02 · LCEL 管道式编程
深入 LangChain.js 核心：LCEL（LangChain Expression Language）管道式编程。 用不到 100 行代码构建可组合、可复用的 AI 应用流水线，掌握现代 LLM 开发的核心范式。
LangChain.js 100 行系列 - 01 · Hello LLM
LangChain.js 100行系列开篇：从零开始的TypeScript全栈LLM集成实战指南。详细解析如何用不到100行代码将大语言模型无缝集成到全栈应用中，涵盖LangChain.js生态全景、核心概念解析、技术路线图规划和最佳实践。为前端开发者提供完整的AI应用开发框架，从聊天机器人到RAG系统的渐进式学习路径。