Agent Spec：如何用自然语言定义一个可执行系统
从 Prompt Engineering 进阶到 Agent Workflow Design。系统分析 Agent Spec 的六大核心组件、四步设计流程以及常见避坑指南，帮你用自然语言定义真正的系统工作流。
LLM
调试 Agent：当你不知道它为什么做了那件事
补完评测-调试-修复闭环：Agent 评测告诉你出了问题，可观测性告诉你问题在哪、为什么出问题。涵盖 Trace 设计、结构化日志、关键指标、Replay 复现、常见调试模式和工具链选型。
Guardrails：如何约束 Agent 不做错事
系统分析 Agent 安全护栏的三层架构——输入防护、执行防护、输出防护——涵盖 Prompt Injection 防御、权限分级、沙箱隔离、敏感信息过滤，以及真实产品中的 Guardrails 设计。
什么是 RAG：让大模型用上你自己的知识库
解释 RAG 如何解决大模型知识过时、缺私有知识与幻觉问题，并梳理切片、Embedding、向量库、混合检索与上下文增强等工程要点。
Skill：不改模型、不写代码，教会 Agent 做专家级别的事
系统解析 Skill 的概念、动机、结构、发现机制与生态趋势，说明它和 Tool、Prompt、微调的区别，以及为什么「写一份文档」可能比「训练一个模型」更实用。
MCP：让 Agent 的工具生态不再各自为战
系统分析 Model Context Protocol（MCP）的设计动机、三层架构（Host-Client-Server）、三种原语（Tools / Resources / Prompts）、传输机制与安全边界，结合实际代码示例说明如何构建和接入 MCP Server。
多 Agent 协作：当一个 Agent 不够用时，如何让多个 Agent 分工合作
系统分析多 Agent 协作的核心编排模式（Supervisor、Handoff、Agent-as-Tool、Peer-to-Peer），结合 Claude Code、Cursor、OpenAI Agents SDK 的真实架构，说明多 Agent 系统的设计取舍与工程落地方式。
Reflection：Agent 如何审视自己的输出并纠正错误
系统分析 Reflection 在 Agent 系统中的角色、三种实现形态、批评标准设计、失效场景，以及它与 ReAct 和 Planning 的关系。
Prompt 设计：Agent 的系统提示词怎么写
从角色定义、工具规则、推理格式、约束边界到动态上下文注入，完整拆解 Agent prompt 的设计方法与维护方式。
工具接口设计：让 Agent 用得好，比让 Agent 用得上更难
系统分析面向 Agent 的工具接口设计，说明为什么粒度、返回格式、错误信息和显式状态会直接决定 Agent 的决策质量与恢复能力。