https://tenonai.cn/blog/Notes on software, design and things I’m learning.https://tenonai.cn/blog/session-engineering-chief-of-staff/https://tenonai.cn/blog/session-engineering-chief-of-staff/Sun, 08 Nov 2026 11:34:00 +080011 月 7 日晚上，要我处理的事攒了二十多件，分散在十几个会话里。之后我们加了一层总办：各会话把要我定的事发给总办，总办整理到一个待办页，我在手机上点选、统一发送，再由总办转回各会话执行。本文写这一层怎么运转：请求怎么写，总办怎么分流，转达的决定怎样算数，会话之间的消息额度，以及几项可以对照的历史制度。AI/Agentshttps://tenonai.cn/blog/session-engineering/https://tenonai.cn/blog/session-engineering/Fri, 06 Nov 2026 22:33:00 +0800一个 Agent 已经能独立做完一件完整的事，限制变成了人能同时跟住几个会话。我把围绕这个限制组织多个 Agent 会话的做法叫作 Session Engineering：它决定工作怎样分给会话，也决定人每次切换时要重新读多少东西。本文说明它和 Prompt、Context、Harness、Loop Engineering 的区别，以及 Tenon AI 按这套做法运转时定下的规则。AI/Agentshttps://tenonai.cn/blog/parametric-memory/https://tenonai.cn/blog/parametric-memory/Sat, 31 Oct 2026 23:18:00 +0800我想要的个人 AI 只有一个要求：每一次交互都影响下一次交互，记忆不放在有限的上下文里，而是进入模型本身。本文解释模型为什么记得住世界知识却记不住你，上下文、记忆表和权重的本质关系，已有工作做到了哪里，以及一种两层参数记忆的方案。AIhttps://tenonai.cn/blog/dynamic-intelligence/https://tenonai.cn/blog/dynamic-intelligence/Sat, 31 Oct 2026 14:30:00 +0800今天的大模型把智能分成两段：训练时写入，推理时只读。动态智能（Dynamic AI，DAI）取消这个分隔，运行本身就会改变模型。本文说明它和 Harness、微调、持续学习、RSI 的区别，它要写入什么，为什么还没有出现，可能的架构，以及它能否带来持续进化。AIhttps://tenonai.cn/blog/jev-live-models/https://tenonai.cn/blog/jev-live-models/Fri, 23 Oct 2026 14:40:00 +0800用大量是否命题建一个领域模型，用 Jev 估计概率，把现实中发生的事件作为证据输入，实时更新对未来的预测。这类模型已有四十多年的成熟框架，没有普及是因为建模和维护太贵。Jev 能把其中两个最贵的环节自动化：估计概率，以及把文字消息转成证据。AI/Jevhttps://tenonai.cn/blog/jev-applications/https://tenonai.cn/blog/jev-applications/Fri, 23 Oct 2026 13:07:44 +0800总结前两篇的理论和实验，提出一种分工：Jev 只估计最基础的概率，组合与推断全部交给数学，准确度靠真实数据校准。按这种分工，可以把大模型的知识整理成一个彼此自洽、可以编辑和推演的概率模型。文章讨论它和直接问大模型的区别，以及几类应用方向。AI/Jevhttps://tenonai.cn/blog/probability-gates-experiments/https://tenonai.cn/blog/probability-gates-experiments/Fri, 23 Oct 2026 11:25:04 +0800用真实的 Jev 做了三组实验：它给出的概率是否自洽，能不能当条件概率的来源，分步组合是否比直接问更准。结论是排序很准、数值偏向中间，少量真实数据就能校准；组合本身不提高精度，同向偏差会原样传下去。AI/Jevhttps://tenonai.cn/blog/probability-gates/https://tenonai.cn/blog/probability-gates/Fri, 23 Oct 2026 00:34:25 +0800逻辑门把电压翻译成 0 和 1，Jev 把用语言描述的世界翻译成概率。本文把 Jev 看作一种「概率门」，参考随机计算、贝叶斯网络和概率比特的已有工作，讨论可以用它组合出哪些元件，以及怎样用这些元件搭一个世界模拟器。AI/Jevhttps://tenonai.cn/blog/agenthub-operating-agents/https://tenonai.cn/blog/agenthub-operating-agents/Tue, 13 Oct 2026 15:54:13 +0800A product-change walkthrough shows how AgentHub combines fleet management, authorised agent-to-agent delegation and sequential workflows around the same deployed agents.AI/Agentshttps://tenonai.cn/blog/intent-project-continuity/https://tenonai.cn/blog/intent-project-continuity/Mon, 12 Oct 2026 16:03:01 +0800A checkout retry example shows why a useful project handoff preserves verified behavior, unresolved questions, and the decisions that still apply.AI/Agentshttps://tenonai.cn/blog/2026-03-26-maars-multi-agent-research/https://tenonai.cn/blog/2026-03-26-maars-multi-agent-research/Thu, 26 Mar 2026 00:00:00 +0800MAARS 早期研究管线的历史记录，包含任务规划、执行、写作与引擎适配设计。AI/Agentshttps://tenonai.cn/blog/2026-03-26-intent-semantic-history/https://tenonai.cn/blog/2026-03-26-intent-semantic-history/Thu, 26 Mar 2026 00:00:00 +0800记录 Intent 早期的目标、快照与决策模型，以及开发记录方式的取舍。AI/Agentshttps://tenonai.cn/blog/2026-03-18-agent-memory-history/https://tenonai.cn/blog/2026-03-18-agent-memory-history/Wed, 18 Mar 2026 00:00:00 +0800从反复重建开发上下文的问题出发，讨论记忆、项目历史与结构化记录的区别。AI/Agentshttps://tenonai.cn/blog/2026-02-22-dag-visualization/https://tenonai.cn/blog/2026-02-22-dag-visualization/Sun, 22 Feb 2026 00:00:00 +0800从 Sugiyama 布局出发，探索复杂任务依赖图的分层、排序与连线方式。Engineering