转 Agent 开发，面试官很少只问「什么是 Agent」。他们更想听：你敢给多少自主权、工具怎么收权、挂了怎么续跑、怎么证明它真的可用。

ChatGPT、Claude、通义千问、DeepSeek——底层骨架几乎都叫 Transformer。名字像变形金刚，机制却朴素：用注意力让任意两个位置直接对话，再堆深、训壮。

翻 LLaMA、Qwen、DeepSeek 的配置，FFN 里常跳出 gate_proj、up_proj、silu。名字很碎，其实在问同一件事：非线性要不要、怎么给、给在哪。

做「能自己查资料、自己决定下一步」的 AI 助手，几乎一定会碰到 LangGraph。

四个名字经常被说成一个。其实各管一层：LangChain 是零件盒，LangGraph 是现场调度——下一步去哪、做一半能不能停、关机之后病历还在不在。

最近几天，Jev 把时间线刷穿了：TypeSafe AI 出圈、LangChain 当天接集成、Vercel / Cloudflare 跟着上架。评论区两种声音最吵——「又一个便宜小模型」和「Agent 时代的 if」。

两种都没说准。Jev 故意不会聊天、不会写文、不会写代码。它干的事更土、也更狠：把程序里那些「语义上糊、规则写不死」的判断，变成带概率的结构化返回值。

想搞懂 ChatGPT、Claude、通义千问、DeepSeek 从哪来，先把时间线拉直：规则 → 统计 → 深度学习 → Transformer → 大模型。只有回看历史，才容易找准现在站在哪。

最近学大模型应用，几乎总会碰到 LangChain。Chains、Agents、LCEL、LangGraph、RAG、Tool Calling……名词很多。先弄清大模型在算什么，框架才不会变成黑盒调包。

Agent 一上线，最怕两句话：「Demo 很好」「线上很蠢」。中间缺的往往不是更大的模型，而是一套能重复比较版本的壳——我们把这层叫 Eval Harness（评测壳）。

一年又很快的过去了，时间过得真快啊～

今天晚上就正式开启春节假期了，回家前也是时候对过去的一年进行总结回顾了。

前言

在 AI 时代，编程方式正在发生深刻变革。传统的”代码优先”模式正在被”AI 优先”模式取代。本文将通过我最近开发的 ToolHub 项目，分享一个完整的 AI First 编程实践案例。