Hyacehila's Blog

按技术演进梳理医疗 AI 如何从黑盒预测器走向可追溯医疗 Agent。

Model 已经跨过够用阈值。2026 年更稀缺的，不是下一个更大的基模，而是那些能进入工作流与生活、并反过来生产数据与反馈的应用。

Agent Skills 的流行主要来自低摩擦的能力封装。它是上下文工程中有价值的一层，但不是新的统一协议，也不是 Agent 的终局。

从RL Agent到LLM Agent的演进不是简单的模型替换，而是学习信号从数值空间迁移到语言空间的范式转换。The Second Half 之后，开放世界研究、语言空间推理与混合架构共同证明：预训练先验、评估与记忆正在重写智能体的主范式

本文从 CoALA 的认知结构出发，讨论 Workflow、Agent、Supervisor、Agent Team 与 MAS 的边界，并分析 LangGraph 等框架的工程价值、抽象代价和未来框架应该提供的基础设施。

介绍 MCP 的 Host、Client、Server 分层，stdio 与 Streamable HTTP 传输，以及用 Python SDK 编写和调试 MCP Server/Client 的基本流程。

讨论统计学在追求理论完备的过程中为什么逐渐远离应用现场，以及数据科学与机器学习如何在大数据时代重新接上“从数据中学习”的问题。

回顾数据科学60年的发展历程，从 John Tukey 的预言到 David Donoho 的广义数据科学。讨论统计学、计算机科学与机器学习如何合流，以及数据科学为什么需要同时处理推断、计算和现实问题。

假设检验很强大，但它依赖前提；p 值显著也不等于“结论正确”的概；任何不精通统计学的人都可能在无意中进行统计造假。

数值计算是精确的，图表是粗略的？统计学家 Francis Anscombe 用四组特殊的数据集打破了这一成见。本文通过安斯库姆四重奏（Anscombe’s Quartet）讨论探索性数据分析（EDA）在统计推断中的必要性。