Hao · AI Agent 实战记录 on Hao · AI Agent 学习记录

AI Agent 实战

Sat, 01 Aug 2026 08:00:00 +0800

这个博客从今天开始改版：不再只是生活记录，而是我的 AI Agent 工程实战记录。

目标是系统掌握 AI Agent 工程能力：LLM API、Agent Loop、Tool Use、Planning、Skills、 MCP、Memory、Subagent、Multi-Agent，以及 Prompt / Context / Harness Engineering，并把每个阶段都做成可演示的成果。

实战计划

点击章节标题进入该主题的详情页，笔记与成果会陆续补充。

准备环境准备：Codex + DeepSeek

进行中

配置 Codex CLI 与 DeepSeek API；建立 Agent 使用日志模板

开始 2026-08-01 最近 2026-08-01 开篇笔记 → 本站 →

资源相关资源收集

进行中

书单、官方文档、论文、开源项目、评测框架与社区

开始 2026-08-01 最近待提交

第 1 章 LLM API、Prompt、结构化输出 + LLM Gateway

未开始

模型调用 / Streaming / Structured Output / Prompt 工程；项目① LLM Gateway

开始待提交最近待提交

第 2 章 Function Calling、Tool Runtime、MCP

未开始

Tool Registry / 权限与审计 / MCP 接入；项目① Tool Runtime

开始待提交最近待提交

第 3 章 Agent Loop、状态机、Codebase Agent

未开始

Loop / Planning / Checkpoint / Sandbox / Harness；项目② Codebase Agent

开始待提交最近待提交

第 4 章 Context Engineering、Memory、Codebase RAG

未开始

Context 管理 / 记忆体系 / 混合检索 RAG；项目② RAG & Memory

开始待提交最近待提交

第 5 章 Multi-Agent、Skill、Agent Eval

未开始

多 Agent 协作 / Skill 系统 / Eval 平台；项目③ Eval 平台

开始待提交最近待提交

第 6 章工程化、生产部署、可观测性

未开始

Docker Compose / Trace / 灰度 / 成本治理；项目③ Production Ready

开始待提交最近待提交 Token 价格对比页 →

第 7 章 DeerFlow 源码解析 + 深度研究平台

未开始

九条架构线精读；项目④ 深度研究平台 / 软件工厂；开源 PR

开始待提交最近待提交

收尾作品集、简历与面试准备

未开始

Portfolio README / 简历 / 模拟面试 / 全部文章发布

开始待提交最近待提交

之后会持续更新：学习笔记、项目 Demo、Agent 工具使用评测。自建小工具收录在工具页（如 Token 价格对比），用于成本治理与模型选型。

准备：环境准备（Codex + DeepSeek）

Sat, 01 Aug 2026 00:00:00 +0800

本节汇总环境准备阶段的笔记与成果：Codex + DeepSeek 环境配置、Agent 使用日志模板。

1. Codex CLI 安装

1
2
3


npm install -g @openai/codex
codex --version
codex login # 登录 OpenAI 账号

2. DeepSeek API 配置

在 platform.deepseek.com 创建 API Key，然后设置环境变量：

1

export DEEPSEEK_API_KEY="sk-..."

DeepSeek 提供 OpenAI 兼容接口，base URL 为 https://api.deepseek.com，可用 curl 快速验证：

1
2
3
4


curl https://api.deepseek.com/chat/completions \
 -H "Content-Type: application/json" \
 -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
 -d '{"model":"deepseek-chat","messages":[{"role":"user","content":"hello"}]}'

3. Codex 接入 DeepSeek（官方一键脚本）

DeepSeek-V4-Flash 原生支持 Responses API 格式，官方针对 Codex 做了适配，并提供一键配置脚本（推荐方式）。

收尾：作品集、简历与面试准备

Sat, 01 Aug 2026 00:00:00 +0800

本节汇总收尾阶段的成果：Portfolio README、简历、模拟面试记录与全部文章发布。

第 1 章：LLM API、Prompt、结构化输出 + LLM Gateway

Sat, 01 Aug 2026 00:00:00 +0800

本章笔记与讲义：模型调用、Streaming、Structured Output、Prompt 工程与项目① LLM Gateway。

课程讲义

1. LLM API 与模型调用基础

Chat Completions / Responses API：请求结构（model、messages、temperature 等）、返回结构（choices、usage）
模型参数：temperature、top_p、max_tokens
Token 与 Context Window：输入 + 输出都计费；超窗会报错或截断
错误处理：超时、限流（429）、格式错误，需要重试与降级策略
多模型调用：统一封装，屏蔽厂商差异

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


from openai import OpenAI
import os

client = OpenAI(
 api_key=os.environ["DEEPSEEK_API_KEY"],
 base_url="https://api.deepseek.com",
)

resp = client.chat.completions.create(
 model="deepseek-chat",
 messages=[{"role": "user", "content": "hello"}],
)
print(resp.choices[0].message.content)

2. Prompt Engineering

System Prompt：设定全局行为（相当于岗位说明书）
角色定义与行为约束：代码审查助手 / 分析师等
输出风格控制：详细程度、语气、结构
Few-shot：给 2~3 个「输入 → 输出」范例，格式敏感任务更有效
任务拆解：复杂任务拆多步，降低幻觉率
Prompt 模板：变量嵌入固定模板，可复用、可版本管理
Prompt 注入风险：用户输入篡改指令的防护

3. Structured Output（结构化输出）

为什么不能依赖自然语言解析：解析脆弱、无法校验
JSON Schema：定义字段名、类型、必填
Pydantic Model：定义结构 + 校验 + 反序列化
模型原生结构化输出：API 层传 Schema，模型保证合规
校验失败处理：错误反喂模型重试，多次失败降级回退

4. Streaming（流式输出）

为什么需要：模型延迟高，串行等待体验差
SSE：基于 HTTP 长连接的流式协议，实现打字机效果
FastAPI StreamingResponse 保持低延迟转发
CLI/前端消费：逐块读取；用户可随时取消
长文本断点：超出 Context Window 或断线时持久化状态

5. LLM Gateway

统一 HTTP 入口，各组件无需各自维护 API Key
OpenAI Compatible 协议，统一多厂商格式差异
Streaming 代理、Structured Output 透传、Prompt 模板库
错误重试与 fallback、Token/Cost/Latency 日志

6. 阶段一项目：LLM 统一模型调用服务

OpenAI Compatible API 接口
多模型调用与模型路由
Streaming 流式输出
Structured Output 结构化输出
Prompt 模板管理
Token / Cost / Latency 记录
基础错误处理、重试与限流

第 2 章：Function Calling、Tool Runtime、MCP

Sat, 01 Aug 2026 00:00:00 +0800

本章的笔记与成果将在此汇总：Tool Registry、权限与审计、MCP 接入与项目① Tool Runtime。

第 3 章：Agent Loop、状态机、Codebase Agent

Sat, 01 Aug 2026 00:00:00 +0800

本章的笔记与成果将在此汇总：Loop、Planning、Checkpoint、Sandbox、Harness 与项目② Codebase Agent。

第 4 章：Context Engineering、Memory、Codebase RAG

Sat, 01 Aug 2026 00:00:00 +0800

本章的笔记与成果将在此汇总：Context 管理、记忆体系、混合检索 RAG 与项目② RAG & Memory。

第 5 章：Multi-Agent、Skill、Agent Eval

Sat, 01 Aug 2026 00:00:00 +0800

本章的笔记与成果将在此汇总：多 Agent 协作、Skill 系统、Eval 平台与项目③ Eval。

第 6 章：工程化、生产部署、可观测性

Sat, 01 Aug 2026 00:00:00 +0800

本章的笔记与成果将在此汇总：Docker Compose、Trace、灰度、成本治理与项目③ Production Ready。

第 7 章：DeerFlow 源码解析 + 深度研究平台

Sat, 01 Aug 2026 00:00:00 +0800

本章的笔记与成果将在此汇总：DeerFlow 九条架构线精读、深度研究平台/软件工厂、开源 PR。

Token 价格对比

Mon, 01 Jan 0001 00:00:00 +0000

关于

Mon, 01 Jan 0001 00:00:00 +0000

这里记录我的 AI Agent 工程实战：

实战计划：按章节推进的完整路线（7 章 + 准备 + 收尾），见第一篇笔记《AI Agent 实战》
学习笔记：LLM API、Tool Runtime、Agent Loop、MCP、RAG、Memory、Multi-Agent、Eval、生产化
成果展示：每个章节对应的可运行项目 Demo
工具：Agent 使用评测与自建小工具（Token 价格对比等）

联系方式：GitHub haokw

工具

Mon, 01 Jan 0001 00:00:00 +0000

这里收录我自建的小工具，全部是静态页面，可在浏览器直接使用：

Token 价格对比：按厂商对比主流模型 1M token 价格，支持用量成本估算

简历

Mon, 01 Jan 0001 00:00:00 +0000

简历内容由 data/json_resume/en.json 驱动，在侧边栏展示。

Hao · AI Agent 实战记录 on Hao · AI Agent 学习记录

AI Agent 实战

实战计划

准备：环境准备（Codex + DeepSeek）

1. Codex CLI 安装

2. DeepSeek API 配置

3. Codex 接入 DeepSeek（官方一键脚本）

收尾：作品集、简历与面试准备

相关资源收集

书籍

官方文档（按章节对应）

论文

开源项目与工具

路线图与免费课程

社区

第 1 章：LLM API、Prompt、结构化输出 + LLM Gateway

课程讲义

1. LLM API 与模型调用基础

2. Prompt Engineering

3. Structured Output（结构化输出）

4. Streaming（流式输出）

5. LLM Gateway

6. 阶段一项目：LLM 统一模型调用服务

第 2 章：Function Calling、Tool Runtime、MCP

第 3 章：Agent Loop、状态机、Codebase Agent

第 4 章：Context Engineering、Memory、Codebase RAG

第 5 章：Multi-Agent、Skill、Agent Eval

第 6 章：工程化、生产部署、可观测性

第 7 章：DeerFlow 源码解析 + 深度研究平台

Token 价格对比

关于

工具

简历

Hao · AI Agent 实战记录 on Hao · AI Agent 学习记录

AI Agent 实战

实战计划#

准备：环境准备（Codex + DeepSeek）

1. Codex CLI 安装#

2. DeepSeek API 配置#

3. Codex 接入 DeepSeek（官方一键脚本）#

收尾：作品集、简历与面试准备

相关资源收集

书籍#

官方文档（按章节对应）#

论文#

开源项目与工具#

路线图与免费课程#

社区#

第 1 章：LLM API、Prompt、结构化输出 + LLM Gateway

课程讲义#

1. LLM API 与模型调用基础#

2. Prompt Engineering#

3. Structured Output（结构化输出）#

4. Streaming（流式输出）#

5. LLM Gateway#

6. 阶段一项目：LLM 统一模型调用服务#

第 2 章：Function Calling、Tool Runtime、MCP

第 3 章：Agent Loop、状态机、Codebase Agent

第 4 章：Context Engineering、Memory、Codebase RAG

第 5 章：Multi-Agent、Skill、Agent Eval

第 6 章：工程化、生产部署、可观测性

第 7 章：DeerFlow 源码解析 + 深度研究平台

Token 价格对比

关于

工具

简历

实战计划

1. Codex CLI 安装

2. DeepSeek API 配置

3. Codex 接入 DeepSeek（官方一键脚本）

书籍

官方文档（按章节对应）

论文

开源项目与工具

路线图与免费课程

社区

课程讲义

1. LLM API 与模型调用基础

2. Prompt Engineering

3. Structured Output（结构化输出）

4. Streaming（流式输出）

5. LLM Gateway

6. 阶段一项目：LLM 统一模型调用服务