AI 工程

共 19 篇文章

• 什么是 Loop Engineering？从 Prompt 到 Loop 的思维跃迁

  2026/06/20

  AI 编程正从"你写 Prompt"演进到"你设计一个系统，让系统去 Prompt Agent"。本文梳理 Prompt → Agent → Harness → Loop 四个阶段的核心区别，并用 Claude Code 的 AGENTS.md 实操对比手动 Prompt 与自主循环的效率差异。

• AGENTS.md — 用规则文件定义你的 Loop 行为

  2026/06/20

  AGENTS.md / CLAUDE.md / .cursorrules 是 Loop Engineering 的核心配置文件。本文对比三大工具的规则文件格式，并手把手教你为一个真实项目编写高质量的 AGENTS.md。

• Skills 与 Memory — 让 Agent 积累和复用知识

  2026/06/20

  Agent 每次都从零开始是最大的浪费。本文讲解 Skills（固化经验）和 Memory（跨会话记忆）的设计模式，并实现一套让 Agent 越用越聪明的知识系统。

• Worktrees 与沙箱 — 安全隔离的并发执行环境

  2026/06/20

  当多个 Agent 同时修改同一个项目时，文件冲突不可避免。本文讲解 Git Worktrees、Docker 沙箱和权限控制如何让 Agent 安全地并发执行。

• Sub-agents 与 Automation — 任务分发与自动化调度

  2026/06/20

  Loop Engineering 的核心是让 Agent 自动发现和分配任务。本文讲解 Sub-agents 的角色拆分和 Automation 的调度机制，并实现一个自动化 CI 修复流水线。

• 构建你的第一个 Loop — 从零搭建自主循环系统

  2026/06/20

  将前 5 篇的组件（AGENTS.md、Skills、Memory、Worktrees、Sub-agents）组装成一个完整的 Loop 系统。本文用 Python 实现一个可运行的自主循环原型，覆盖任务发现、分配、执行、验证、存档全流程。

• 为什么需要 Agent？从 API 调用到自主循环

  2026/06/19

  从一次真实的 LLM API 调用失败说起，理解 Agent 解决了什么问题，以及 Agent 工程（LLM + Tools + Loop）的核心概念。

• 动手构建你的第一个 Agent Loop

  2026/06/19

  从零实现一个可运行的 Agent Loop，包含工具注册、上下文管理和终止条件，用 Python 和 TypeScript 双语实现。

• Agent 的工具系统：设计原则与实战模式

  2026/06/19

  工具是 Agent 的执行能力边界。本文从 Anthropic 的工具设计原则出发，讲解如何命名、描述、设计参数、处理错误，并用 Zod/Pydantic 实现类型安全的工具注册。

• 结构化输出：让 LLM 返回你需要的数据类型

  2026/06/19

  LLM 默认返回自由文本，但你的应用需要 JSON、需要类型安全。本文讲解 4 种结构化输出方案的原理、优劣和实战用法。

• Agent 的上下文管理：当对话越来越长

  2026/06/19

  Agent 运行越久，上下文越大，直到撞上 token 限制。本文讲解 5 种上下文压缩策略，从简单的消息截断到 Claude Code 的 5 级压缩方案。

• 用 StateGraph 建模复杂 Agent 工作流

  2026/06/19

  当简单的 while 循环无法满足需求时，你需要用有向图来建模 Agent 的工作流。本文用 LangGraph 的 StateGraph 讲解线性流程、条件分支、循环和并行执行。

• Agent 状态持久化：Checkpointing 与故障恢复

  2026/06/19

  Agent 运行到一半崩溃了怎么办？本文讲解 LangGraph 的 Checkpointing 机制，实现跨进程的状态恢复，让你的 Agent 具备生产级可靠性。

• Human-in-the-Loop：让 Agent 在关键时刻请示你

  2026/06/19

  Agent 不应该在所有情况下都自主行动。本文讲解如何在 Agent 工作流中设置"检查点"，让人类在关键决策点介入审批、修改或拒绝 Agent 的动作。

• 多 Agent 编排：Supervisor、Worker 与协作模式

  2026/06/19

  当一个 Agent 无法胜任所有工作时，你需要多个 Agent 协作。本文讲解 Supervisor-Worker、Handoff、Pipeline 三种编排模式，并用 LangGraph 实现并行执行。

• Agent 的测试与评估：如何证明你的 Agent 靠谱

  2026/06/19

  Agent 是非确定性的，传统单元测试不够用。本文讲解 Agent 的 3 层测试策略（工具单元 → 工作流集成 → 端到端评估），以及 pass@k、LLM 评分等评估指标。

• Agent Loop 深度调研（一）：核心概念与设计原理

  2026/06/19

  从 ReAct 到 Harness Engineering，拆解现代 AI Agent 循环架构的核心设计思想，基于一手资料梳理 Agent Loop 的本质、模式与工程原则。

• Agent Loop 深度调研（二）：主流框架实操拆解

  2026/06/19

  逐一拆解 Claude Code、OpenAI Agents SDK、Google ADK、LangGraph 四大框架的 Agent Loop 实现，含代码示例与关键设计差异。

• Agent Loop 深度调研（三）：从零构建生产级 Agent Loop

  2026/06/19

  基于前两篇的调研结论，手把手实现一个生产级 Agent Loop。涵盖核心循环、工具系统、上下文压缩、权限控制、子代理委托的完整代码实现。