什么是 Agent：从聊天助手到可执行系统
从目标、工具、状态与执行闭环几个角度理解 Agent，说明它和普通聊天机器人、固定工作流之间的区别。
Agent：从概念到实战
从 Agent 的基本概念、工具调用与状态管理，到记忆、规划和多 Agent 协作，再用实战教程把这些设计落到代码里。
概念与系统设计
18 篇Tool Use：为什么它是 Agent 的核心能力
从模型的封闭性出发，解释 Tool Use 为什么是 Agent 与外部世界连接的关键接口，以及工程上如何把工具系统设计到真正可用。
上下文与记忆：Agent 为什么会在长任务中失去方向，以及如何设计状态管理
解释模型本轮输入与长期记录的区别，用可运行的字符预算包装器保护当前任务、完整工具交换和结构化计划状态。
ReAct：模型如何让推理与行动交替运转
解释 ReAct 如何让模型在推理与行动之间交替运转，以及它为什么是 Agent 推理机制的基础范式。
Planning：当 ReAct 不够用时，Agent 如何提前分解目标
用可运行的异步 Plan-and-Execute 说明任务分解、结果验收、结构化状态，以及总截止时间、步骤和重规划上限如何共同约束执行。
如何评测一个 Agent：不只是看它回答得好不好
解释 Agent 评测为什么不能只看最终答案，并给出覆盖任务完成率、过程合理性、错误恢复与稳定性的评测框架。
Prompt 设计：Agent 的系统提示词怎么写
系统解释 Agent 的 system prompt 应该包含哪些部分、为什么这些部分重要，以及常见 prompt 设计错误该如何避免。
Reflection：Agent 如何审视自己的输出并纠正错误
解释 Reflection 为什么是 Agent 的质量保证层，以及如何用输出后审查、执行中自我纠错和多 Agent 交叉审查发现并修正隐性错误。
工具接口设计：让 Agent 用得好，比让 Agent 用得上更难
解释为什么 Agent 时代的工具接口不能只追求人类可用，并从粒度、返回值、错误处理与状态管理四个维度给出可落地的设计原则。
多 Agent 协作：当一个 Agent 不够用时，如何让多个 Agent 分工合作
解释多 Agent 的四种分工方式，并用可运行的 SQLite 任务板实现原子认领、版本检查和独立消息游标，验证并发工作者不会相互覆盖。
MCP：让 Agent 的工具生态不再各自为战
从工具集成的 N×M 问题出发，系统解析 MCP 的架构设计、核心原语、传输机制与安全模型，说明它为什么可能成为 Agent 工具层的基础协议。
Skill：不改模型、不写代码，教会 Agent 做专家级别的事
用博客写作示例解释 Skill 如何提供项目规范、操作步骤和验收标准，以及发现、读取和按需加载参考资料的过程与限制。
什么是 RAG：让大模型用上你自己的知识库
从检索增强生成的基本流程出发，说明索引、向量化、混合检索与重排序等关键环节，以及 RAG 与微调、Agent 的关系。
记忆的四种形态：Agent 如何在不同时间尺度上保住它知道的事
从「Agent 为什么会忘事」出发，系统梳理短期、情景、语义与程序四种记忆的定义、适用场景与工程实现，并厘清与 RAG、上下文管理的边界。
Guardrails：如何约束 Agent 不做错事
用可运行的文件工具边界解释输入、执行与输出检查：校验操作和参数，限制工作区路径，按完整内容授权写入，并以拒绝后无写入的测试说明范围。
调试 Agent：当你不知道它为什么做了那件事
用可运行 CLI Coding Agent 的真实 JSONL 记录，解释如何关联模型调用、工具分发与进程结果，并定位超时、拒绝和未完成任务。
Human-in-the-Loop：Agent 什么时候应该停下来问你
解释 Agent 何时需要人工介入，并用可运行的 SQLite 示例保存待审批请求，核对请求 ID、审批人、操作内容和期限，验证重启、并发与一次性认领。
Agent Spec：如何用自然语言定义一个可执行系统
用文档整理任务解释 Agent Spec：如何写清目标、步骤、循环、约束、任务拆分和输出格式，以及何时停止执行。
实战教程
7 篇从零构建 CLI Coding Agent：ReAct 驱动的实战实现
运行一个完整的 Python CLI Coding Agent：默认用固定模型响应驱动真实文件操作和测试命令，支持逐次批准、超时清理与 JSONL 追踪。
Research Agent 实战：从 RAG 到自主研究
用可运行的 Python 示例实现研究规划、本地语料搜索与读取、带来源笔记、报告检查和有上限的修订循环，区分固定响应验收与真实模型研究质量。
文件管理 Agent 实战：当操作不可逆时，Guardrails 怎么落地
运行一个带显式审批和持久撤销日志的文件管理 Agent：限制工作区、预览提案、备份删除内容，并通过真实临时文件测试验证跨进程恢复与冲突拒绝。
Multi-Agent 实战：用 Supervisor 模式构建代码审查系统
运行一个完整的本地 diff 审查程序：以并发上限调度三个 Reviewer，校验 JSON 意见、文件行号与引用证据，并显式保留失败、取消和部分结果。
MCP 集成实战：让 Agent 连接真实服务
用官方 Python MCP SDK 连接两个真实本地 FastMCP 服务，完成初始化、工具发现、命名空间映射和调用，并验证错误处理、超时与取消清理。
Skill 实战：教 Agent 写你风格的博客
用可运行的 Python 示例扫描和匹配 Skill，限制工作区读写，授权后保存新规则，并重新读取实际文章检查结构；默认离线运行，可选接入真实模型。
持久记忆实战：让 Agent 跨会话记住用户
用真实 SQLite 按用户保存已确认的偏好和事件，跨进程检索，执行更新删除，并在每次模型调用前强制检查字符预算。