专栏

Agent 工程

从零开始理解并亲手构建 AI Agent：工具调用、上下文工程、RAG、MCP、多 Agent 协作与生产化。

共 18 篇 · 按阅读顺序排列

  1. 1 Agent 专栏开篇：学习路径与目录 从零构建 AI Agent 的六阶段学习路径——每个概念都用 DeepSeek Harness 与 OpenAI Codex 两个开源智能体的真实源码对照讲解。
  2. 2 到底什么是 Agent workflow 与 agent 的分界线、智能体的最小定义、agent 化程度的光谱，以及为什么 Codex 和 dsh 都选择先做 coding agent。
  3. 3 LLM API 实战基础 不谈原理只谈接口——token 与上下文窗口、采样参数、流式输出、function calling 的完整 wire 格式，以及 Codex 与 dsh 在模型接入层的不同取舍。
  4. 4 100 行手写 Agent 循环 不用任何框架，把 function calling 装进 while 循环——然后对照 Codex 的 run_turn 和 dsh 的 agent-loop，看工业版在哪些地方加了码。
  5. 5 提示词与工具设计 系统提示词的分层结构、稀疏 order 的确定性排序、工具描述的「何时用/何时不用」——dsh 与 Codex 各自的工业化答案。
  6. 6 上下文窗口经济学与缓存 上下文是稀缺资源，KV cache 是它的物理规律——为什么系统提示词要逐字节稳定，两个系统如何为缓存而设计。
  7. 7 记忆与压缩 长会话不爆窗、跨会话记得住——compaction 的两种流派、记忆系统的两大范式，以及「一个文件系统是不是就够了」。
  8. 8 按需上下文与子 Agent 隔离 上下文窗口装不下所有信息——按需检索、运行时注入、子 agent 隔离：两个系统如何让上下文「要时才有」。
  9. 9 RAG 最小实现 embedding、分块、向量检索——100 行跑通检索增强；以及一个反直觉的事实：coding agent 们为何都不内置 RAG。
  10. 10 RAG 的工程现实 分块策略、重排、混合检索、效果评估——最小实现之后，决定检索质量的五个工程决策与一张「接知识」决策表。
  11. 11 MCP 实战 Model Context Protocol 的架构与实战——写一个自己的 MCP server，接进 mini-agent，看 Codex 与 dsh 如何把它当工具生态通用语。
  12. 12 沙箱、权限与安全 模型会犯错也会被骗——审批策略、OS 沙箱、prompt injection 防御：给 mini-agent 装上两个系统的安全体系。
  13. 13 Agent 评测 「跑通一次很容易，可靠才难」——单步评测、端到端评测、LLM-as-judge 与回归集：让 agent 的每次改动可度量。
  14. 14 多 Agent 协作模式 orchestrator-workers、evaluator-optimizer、专业分工——多 Agent 的三种正确用法、四种翻车方式，以及两个系统各自的实现。
  15. 15 上线 可观测性、成本预算、渐进式放权——把 mini-agent 变成一个你敢让它跑在生产上的系统。
  16. 16 源码对照（一）：OpenAI Codex 是怎么做 Agent 的 拉下 codex 开源仓库逐层拆解——120 个 Rust crate 如何组织出一个生产级 coding agent：线程、turn 循环、工具并发与会话录制。
  17. 17 源码对照（二）：Codex 的工具、沙箱与扩展生态 ToolRouter 与内置工具、四级审批策略与规则引擎、三平台沙箱、MCP 与 code-mode——Codex 把「安全地放权给模型」做成了系统工程。
  18. 18 源码对照（三）：DeepSeek Harness 怎么做 Agent，以及两套系统的十条共识 浓缩 dsh 的架构精髓，与 Codex 并排对照——两个彼此独立的生产级 agent 在设计上不约而同的十个决定。

← 全部专栏