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
Last updated on by Kimi Gao