Skip to main content

目录

AI Agent 核心原理与实践：从大语言模型基础到智能体工程化的完整学习路径，覆盖 LLM、Tool Use、Agent Loop、Harness 工程与主流 Agent 框架。

📚 文档结构​

一、大语言模型基础​

  1. LLM：Transformer 架构基石
  2. Prompt Engineering：提示词工程
  3. Fine-tuning：模型微调技术
  4. RAG：检索增强生成

二、工具与协议​

  1. Function Calling：从说话到行动
  2. MCP：模型上下文协议

三、智能体原理​

  1. Agent：思考-行动-观察循环
  2. Agent 设计模式
  3. Multi-Agent：多智能体协作

四、Harness 工程​

  1. Context Engineering：上下文工程
  2. Agent Skill：技能封装与复用
  3. Harness Engineering：约束环境工程
  4. Memory：智能体的记忆系统

五、Claude Code​

  1. 全景：建立整体认知
  2. 核心系统（七大核心系统，待补充）
  3. 高级架构
  4. 方法论：从章节洞察到可复用原则
  5. 其他内容分析

六、Pi​

Pi 是 Earendil Works 开源的 self-extensible coding agent：核心极简，所有工作流行为（sub-agent、plan mode、后台 bash、权限弹窗、MCP 等）都通过 TypeScript 扩展、技能、提示模板和包来装配。本章拆解它的设计哲学、四包架构、Session 树、Compaction、Extensions、Providers 与安全模型。

  1. 设计哲学与包架构
  2. Session：JSONL 文件与树形结构
  3. Compaction 与分支摘要
  4. Extensions：TypeScript 扩展点全景
  5. Providers、Models 与安全模型
  6. SDK 与编程接口

七、Agent Mini​

  1. 如何设计一个 Agent Mini

从零搭建一个微缩版 Agent，把前几章的概念落到能跑的代码里。

Last updated on by Kimi Gao