Agent 工程进阶 从执行到持续改进
对照 ai-agent-book，用八步深化运行环境、上下文、记忆、工具、异步交互、评估和轨迹学习。
TOPIC / agents
工具与智能体
从相关笔记、实验和原始资料开始，建立自己的理解。
学习路径
笔记与实验
Agent 上下文预算 Skills 与前缀缓存
区分上下文、运行状态、技能说明和缓存，按需加载知识并验证压缩后的决策信息。
已核验
事件驱动 Agent 的取消与交互状态
将外部消息、迟到工具结果和用户修订建模为事件，控制任务归属、抢占、重复动作及界面状态验证。
已核验
Harness 与 Coding Agent 的执行和验收
把模型建议、工具执行和任务完成分开，用工作区隔离、补丁、验证器、预算与恢复构成运行环境。
已核验
AI Agent 教材十章对照与知识补充
将 ai-agent-book 的十章与现有知识库逐项对照，补充六个工程专题，明确学习顺序与实验边界。
已核验
智能体项目：状态、轨迹与失败验证
从一个明确任务出发，用固定工作流作基线，验证状态、工具成功、预算和恢复。
已核验
上下文与记忆：选择、压缩、隔离与遗忘
区分当前输入、任务状态、长期记忆和知识库，建立来源、时间、用户边界与删除机制。
已核验
智能体执行循环：模型、工具、状态与停止
将 agent 看作受约束的执行系统，理解工具选择、结果观察、状态持久化和可验证终止。
已核验
工作流与多智能体：拆解、路由、协作和交接
按任务依赖选择固定流程、路由或多智能体，明确状态所有权、合并规则与失败恢复。
已核验
MCP：协议、工具发现、版本与授权边界
以 2026-07-28 官方规范理解 MCP，区分连接、身份、能力与工具执行权限。
已核验
原始资料
深入理解 AI Agent 设计原理与工程实践
李博杰的十章 Agent 教材，重点补读 Harness、Skills、结构化知识、异步交互、评估、后训练与持续进化。
Bojie Li（李博杰）及项目贡献者
Hugging Face Agents Course：框架与项目实作
用 state、node、edge 组织智能体，完成工具组合、Agentic RAG 与评估项目。
Hugging Face Agents Course 贡献者
Microsoft AI Agents 入门课程
工具使用、规划、多智能体、记忆、可信执行。选取具体章节作为学习依据，保留 GitHub 快照与复用边界。
microsoft 及课程/项目贡献者
Datawhale Hello Agents：记忆与上下文
智能体范式、记忆、上下文工程与工具评估。选取具体章节作为学习依据，保留 GitHub 快照与复用边界。
datawhalechina 及课程/项目贡献者
MCP 官方规范：版本、工具与授权
2026-07-28 规范、版本协商、tools 与授权安全。选取具体章节作为学习依据，保留 GitHub 快照与复用边界。
modelcontextprotocol 及课程/项目贡献者