AI Agent 工程进阶第 1 篇:用一个可运行的知识库工程,把模糊的 Agent 需求拆成 Job、Input、Done、Boundary、Failure、Evidence 与 Baseline,并通过坏契约和阈值实验验证它是否真的需要 Agent。
搜索
共 23 篇已发布文章
AI Agent 工程进阶系列导读:围绕 GitHub 项目 ai-agent-learn 的企业知识库 Agent,用任务契约、评测、Context、Harness、Tool、Durable Loop、Trace、Memory、Graph、安全、生产运营与持续改进,建立一条从 Demo 到可靠系统的 12 篇实战路线。
用一个博客后台 Bug 示例贯穿 Context、Harness、Loop 与 Graph Engineering:解释模型看见什么、如何获得工具与边界、怎样反复行动并验证,以及何时才需要把多个局部循环组织成工作图。
从 Agent 工作流角度解释 Graph Engineering:怎样识别真实依赖,设计节点、状态、验证器、预算、现实锚点和人工闸门,并通过一个零依赖 Node.js Graph Lab 亲手运行并行、失败与批准流程。
Codex 系列第 16 篇:把个人 Prompt 升级为团队可维护的 AGENTS.md、Skills、确定性检查、权限策略和责任矩阵,并用一个 PR 就绪流程演示如何验证、评审、试点与回滚。
Codex 系列第 12 篇:从一个已经能用的 SKILL.md 出发,按真实维护压力逐步加入 references、scripts、evals 和版本记录,并分清目录、脚本、Agent 行为与人工验收各自能证明什么。
Codex 系列第 10 篇:用一个完整 GitHub 任务串起 issue 拆解、本地分支、draft PR、CI、Codex Review、反馈修复、Cloud task 和最终合并,并提供可直接复用的 issue、PR 与检查清单。
Codex 系列第 6 篇:把反复出现的项目规则从 Prompt 里拿出来,写成可维护的 AGENTS.md,并给出博客、前端、后端项目模板和自检清单。
一篇面向真实项目的 Codex 实用教程,整理入口选择、权限边界、Git 工作流、AGENTS.md、Skill/MCP、六步交付法和可复制的 Prompt 模板。