AI Agent 实战
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。
进行中
配置 Codex CLI 与 DeepSeek API;建立 Agent 使用日志模板
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
未开始
模型调用 / Streaming / Structured Output / Prompt 工程;项目① LLM Gateway
未开始
Tool Registry / 权限与审计 / MCP 接入;项目① Tool Runtime
未开始
Loop / Planning / Checkpoint / Sandbox / Harness;项目② Codebase Agent
Context 管理 / 记忆体系 / 混合检索 RAG;项目② RAG & Memory
未开始
多 Agent 协作 / Skill 系统 / Eval 平台;项目③ Eval 平台
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
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
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
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。