01
从零理解 AI Agent：一套可落地的系统架构
把 AI Agent 拆成模型、状态、工具、控制循环与运行时，理解一次任务从输入到交付的完整链路。
A PERSONAL ENGINEERING JOURNAL
在代码与世界之间，
留下一点可复用的思考。
关于软件工程、系统设计和亲手解决问题的记录。少一点结论堆砌，多一点真实路径。
ISSUE 01
BUILD
OBSERVE
REFINE
FILTERED NOTES
筛选结果
02
ReAct 与 Plan-and-Execute：Agent 规划模式如何选
对比边想边做与先规划后执行两种主流模式，并给出复杂度、成本、可恢复性上的选择方法。
03
Tool Calling 工程化：让 Agent 安全可靠地调用工具
从工具 Schema、权限边界、幂等性到错误语义，构建模型真正用得对、系统兜得住的工具层。
04
上下文工程：比 Prompt 更重要的 Agent 输入系统
系统化组织指令、任务状态、检索结果与工具反馈，在有限上下文窗口中保留真正影响决策的信息。
05
Agent 记忆系统设计：短期状态、长期记忆与遗忘
区分工作记忆、情节记忆和语义记忆，并讨论写入、召回、压缩、冲突与隐私治理。
06
Agentic RAG：从一次检索升级为可迭代研究
让 Agent 自主拆解问题、改写查询、评估证据并补充检索，构建可追溯的研究型问答链路。
07
多 Agent 协作：什么时候值得，什么时候只是更贵
分析主管—工人、流水线和辩论等协作拓扑，以及任务切分、通信协议与冲突收敛的工程方法。
08
如何评测 AI Agent：从答案正确到过程可信
建立任务成功率、轨迹质量、工具正确性、成本与安全性指标，让 Agent 迭代摆脱主观体验。
09
AI Agent 安全指南：提示注入、越权与沙箱隔离
以不可信输入、最小权限和可审计执行为核心，防御提示注入、数据泄露与高风险工具调用。
10
把 AI Agent 跑在生产环境：可观测性、恢复与成本
围绕轨迹追踪、重试策略、检查点、人工接管和预算控制，搭建可运营的 Agent 生产系统。