让 LLM 工作流崩溃后接着跑：Node.js 持久化实践
从模型调用、工具执行到人工确认，用 SQLite 实现可重启、可重试且能抵御重复提交的工作流。
给代码智能体划定权限边界：用 Node.js 构建可审计工具执行层
从文件、命令与网络三类高风险工具入手，实现白名单、目录隔离、超时、人工确认和结构化审计日志。
别把整个仓库塞给模型：用 Node.js 构建最小上下文裁剪器
从文件索引、相关性排序、依赖扩展到 Token 预算选择，实作一套可运行、可评测的代码智能体上下文裁剪流水线。
AI 周报 2026 第 30 周：智能体进入工程深水区，竞争转向效率与生态
本周 55 篇日报显示，AI 竞争正从单点模型能力，转向智能体工程、推理效率、开放生态与可验证的安全部署。
用 KV 做轻量后端：软限流、路径浏览量与匿名问题日志
以可运行的 Workers + KV 示例，拆解限流、浏览量和 QLOG 的一致性、成本、隐私及故障策略。
个人站搜索选型：Pagefind 全文检索接入与中文实践
从客户端过滤与构建时索引的取舍出发，完成 Astro 中的 Pagefind 搜索弹窗、安全摘要渲染及环境差异处理。
开源雷达 2026 第 30 周：智能体走出聊天框，开发工具链继续细分
本期精选八个兼具关注度与开发者价值的项目，覆盖智能体基础设施、隔离环境、交互界面、本地模型与内容治理。
Content Collections 实战：用 Schema 守住 AI 日更生产线
以本站 AI 日报和周报为例，搭建包含 Zod schema、draft 过滤与 GitHub Actions 构建校验的内容发布流水线。
OpenAI 兼容中转踩坑：从假死流式到对冲重试设计
结合 Cloudflare Worker 代理实践，拆解兼容中转的超时、伪流式与工具调用故障，并实现客户端对冲和降级。
从零给 Astro 站加可观测性：轻量日志、错误采集与性能基线
不用重型 APM，通过结构化日志、前端错误采集、Web Vitals 和构建体积预算，为 Astro 小站建立可执行的观测与告警闭环。
别让 LLM 裁判带偏评测：用 Node.js 构建可校准流水线
从位置偏差、长度偏好与自洽性入手，实现答案换位、盲测、多裁判聚合及人工抽检，并用一致性指标划定自动评估边界。
AI 周报 2026 第 29 周：智能体走向闭环，评测开始审计自身
模型能力仍在推进，但本周更明确的变化来自智能体工程闭环、评测可信度、训练效率与系统级安全边界。