AI Agent 开发
Agent 开发需要处理三件事:为模型提供适用的信息,让工具和执行循环可靠地推进任务,再用实际结果验证系统。导航按阅读顺序排列,每篇主文解决一个完整工程问题,不再按短文章拆分。
从架构到上线
Section titled “从架构到上线”- Agent 架构与执行循环:Workflow、单 Agent、目标控制和多 Agent 的选择。
- Agent 工具与运行环境:Schema、权限、幂等、沙箱与局部决策模型。
- Agent 框架选型:LangGraph、AutoGen、CrewAI 与三套 SDK 的执行结构对照。
- Agent 状态持久化与恢复:检查点、恢复调度、租约与副作用未知。
- Agent 评测、安全与发布:真实结果、Trace、Prompt Injection 和发布门槛。
- 中文 AI 角色评测集:按分类挑题,逐句测试角色与语音对话。
- 实时语音 Agent 工程:首句延迟、打断、字幕与断线恢复。
- OpenClaw 生产实践:插件、消息队列、部署与回滚。
上下文与记忆
Section titled “上下文与记忆”上下文工程负责当前输入,RAG 知识库工程从外部资料中检索依据,Agent 记忆系统保存可复用的信息。混合检索算法解释共用的搜索与排序方法,环境感知与缓存处理外部状态变化后的失效问题。
具体系统拆解:OpenClaw 记忆、Mem0 记忆层、Gemini 协议排障。
- AI Agent 教材(外部原站):按作者章节阅读完整教材。
- Anthropic:Effective context engineering for AI agents:理解上下文选择与长任务的信息管理。