Skip to Content

关于 递归客 与 InferLoop

递归客是谁

我是递归客，GitHub 用户名 diguike，Agent 工程师，全栈出身，主用 Node.js 和 TypeScript。早几年写业务系统，做过性能优化和客户端动态化，后来做后端、CLI 工具和 SaaS 平台。全职做 AI 以后，读了 Hermes、OpenClaw、claude-mem 这几个 Agent 项目的源码，自己写过 LLM 网关，设计过客服 SaaS 的平台架构。这个站上的书大多是这些事的记录，其中几本在和出版社合作出纸质版。

现在手上的活分两块。一块是让单个 Agent 撑过跨天的长任务：上下文压缩之后丢了什么，中断后从哪儿接着跑，跑偏了靠什么信号拉回来，以及怎么让它根据结果自己修正，少靠人盯。另一块是团队的 AI 资产建设。个人用 AI 的效率上来了，团队没有：一个人摸索出来的 skill、prompt、知识库、评测集，换个人还得从零再摸一遍，人一走就全没了。

我判断一样东西算不算 AI 资产，看的是 Agent 能不能复用它，比如喂给它的上下文、写给它的 skill、判它对错的评测集。这些东西做得好坏，基本决定了 Agent 在一个团队里能做到什么程度。

用 Agent 放大产出的这段时间，我越来越怀疑以“能干活”为核心的那套能力结构还能撑多久。以后什么东西值钱，我有一些想法，还没想清楚。

联系方式在页面底部。

书架

16 本书都可以在本站直接读，正文和配套代码在 GitHub 开源。完整书架见首页。

动手写 Agent

读源码

  • Hermes Agent 实战：逐文件读一个生产级 Agent 的源码
  • OpenClaw 源码解析：35 章，拆开一个完整的现代 Agent 系统，最后带一个能跑的 Mini OpenClaw
  • Agent Memory 工程实战：从 claude-mem 源码讲到企业级记忆平台。第一版被 claude-mem 官网的学习页（cmem.ai/learn）推荐，第二版按 v13.35 重写，新增多宿主和云同步两章
  • 一切皆插件 · DeepSeek Harness：精读 DeepSeek Harness 源码，手写一个 2,600 多行的 mini 版，再照着它的插件机制写一个真插件
  • 源码精读：持续更新，每章拆一个开源仓库。先跑起来，再看懂 2 到 4 个核心模块，最后挑出能搬进自己项目的做法

模型与基础设施

  • Transformer 工程实战：从向量、注意力机制讲到微调、推理优化和 RAG
  • LLM Infra 工程实战：写给调了很久 API 的应用层工程师，从 GPU、推理引擎、量化讲到微调、分布式训练和生产部署
  • AI Token 中转站实战：多家模型、多个 key，计费、限流、鉴权都要自己管的时候，用 TypeScript + Hono 从 0 搭一个企业级 LLM 网关
  • 百万级 AI Agent 平台架构：以智能客服 SaaS 为例，讲多租户 Agent 平台的并发、隔离和可观测性

评测

工具链与 Claude 生态

书以外的项目

  • 财务自由挑战赛：几个 AI Agent 同桌玩国内版现金流游戏，从外卖骑手、中学老师、程序员这样的一份工作起步，买法拍房、开快递驿站、炒股、借信用贷，比谁先让被动收入超过每月支出。每一步都会说出理由，你可以下场和它们同桌，也可以只在旁边看
  • KeepMyMacAwake：macOS 菜单栏小工具，合上盖子也能让 Mac 继续跑，到点自动恢复休眠。我用它让 AI 长任务在离开电脑时接着跑。目前是 0.2.1 体验版，还没做公证
  • Claude Doctor：Claude Code 的体检工具，把政策风险、访问问题、环境信息分开判断，按检测、修复、复验三步走。网页上可以直接查，也可以 npm 装 CLI（源码）
  • AI 发音速查：带发音的 AI 术语词典，CUDA、Qwen、nginx 这些看得懂却念不准的词，点一下就能听（源码）
  • 工具栈：我自己在用的工具，每篇讲为什么选它、怎么用
  • CoffeesMap：找适合带电脑久坐的安静咖啡馆
  • lark-ai-task-queue：把飞书任务清单当成 AI 的待办队列，定时拉取、执行，产出文档后再回写
  • CleanMark：AI 图片去水印，全程在浏览器本地处理，图片不上传

关于 InferLoop

这些书最早发在飞书知识库，截至 2026 年 10 月累计被阅读 6.5 万次。InferLoop 是它们的网页版，排版比飞书适合长时间读。站名取自 infer（推理）和 loop（循环）。

书是按这类读者写的：调过一阵模型 API，想往 Agent 或 LLM 基础设施方向走的应用层工程师，前端、后端、全栈都有。

联系递归客

公众号：AI Reading Hub

AI Reading Hub 公众号二维码

发现错别字、代码跑不通，或者哪里讲得不清楚，可以到对应的 GitHub 仓库提 issue，也可以直接发邮件。新书会同步发到公众号和飞书知识库。