背景动机 很多团队做 Agent，最先崩掉的不是模型能力，而是架构形态：一个“万能循环”里既要规划步骤、又要挑工具、还要记住上下文，最后 Prompt、工具调用、状态更新全缠在一起，形成典型的意大利面条系统。你想换一种规划策略、想把执行放进沙箱、想加长期记忆，都会变成“牵一发动全身”的大手术。 更糟的是，这种耦合会直接毁掉可观测性与可治理性：出了问题你没法明确归因——到底是规划错了、工具...
背景动机 LLM 的通用性是其最大的优势，但对于 Agent 系统架构设计而言，这往往是最大的陷阱。 开发者容易陷入“模型能力中心论”：既然 GPT-5 既懂 Python 又懂法律，为什么不把它们写在一个 Agent 里？于是诞生了“全能创业合伙人（Co-founder Agent）”这种典型的上帝智能体（God Agent）——试图在一个 Agent 中同时处理代码开发、商业计划书撰...
背景动机 当任务的复杂度超过了预定义工作流的边界——例如“调研某行业的最新动态并写一份简报”，所需的工具调用顺序、搜索关键词和迭代次数在编码时无法预知——我们才需要引入 Agent。 然而，许多开发者常犯的错误是让 LLM “隐式思考”：直接把所有工具扔给模型，指望它一次性吐出最终结果。这种“黑盒”模式导致了著名的循环陷阱（Loop Trap）：模型可能陷入无休止的搜索，或者在错误的方向...
第一章：智能体架构基础——核心原则与设计 在 AI 带来的狂热中，我们容易陷入一种“拿着锤子找钉子”的误区，试图用 Agent 解决所有软件工程问题。本章的核心在于界定边界：识别何时该用传统的代码逻辑，何时该引入不确定的 LLM 推理，以及如何通过架构设计约束这种不确定性。 条目 1：优先在确定性任务中使用显式工作流 背景动机 随着 LLM 能力的提升，开发者有一种倾向：将整个业务逻...
这个想法在我脑海里盘旋了很久：如何系统地构建 AI Agent？又该如何将那些碎片化的经验，整理成可被复用的知识体系？ 作为一名长期身处一线的架构师与工具组负责人，我参与设计并开发了多个应用于实际业务的 AI Agent。也从零开始，借助 Vibe Coding 的方式构建过小程序与 macOS 应用。在更早的时间里，我曾深入阅读过 Codex、OpenCode 以及 Gemini CLI...
Codex 是 OpenAI 开源的终端 AI 编码助手。它不仅是一个代码生成工具，更是一个完整的 Agent 框架，具备强大的沙箱隔离、灵活的权限控制和可扩展的工具系统。本文将深入分析 Codex 的架构设计与实现细节。 一、应用场景 Codex 旨在解决实际软件工程中的复杂任务（链接见参考资源）： Bug诊断：在前端Motion动画项目中，Codex解决了离线渲染的技术可...
OpenCode 是一个专为终端设计的开源 AI 编码 Agent 框架。它提供了完整的 AI 辅助编程能力，支持多种 LLM 提供商，以终端界面（TUI）为第一交互界面。其核心目标是解决一个很实际的问题：如何让 AI 编程助手真正好用。 本文基于OpenCode v0.14.1 版本分析撰写，分析其系统架构与实现，以学习其设计。 一、应用场景 在实际的软件开发和维护任务中，我们可畅想...
Claude Agent SDK 是一系列工具的集合，可帮助开发者在 Claude Code 的基础上构建强大的代理。在本文中，我们将引导您入门，并分享我们的最佳实践。 去年，我们与客户一同分享了在构建高效代理方面的经验教训。自那时起，我们发布了 Claude Code，这是一个我们最初为支持 Anthropic 开发者生产力而构建的代理式编码解决方案。 在过去的几个月里，Claude ...
Claude Code是我迄今用过的最令人愉悦的AI智能体/工作流。它不仅让进行有针对性的代码编辑或编写一次性小工具这类“随性编程”变得不再烦人，使用Claude Code甚至让我感到快乐。它有足够的自主性来做一些有趣的事情，同时又不会像其他一些工具那样，带来令人不适的失控感。当然，大部分繁重的工作是由新的Claude 4模型完成的（尤其是其交错思维能力）。但我发现，即便使用相同的底层模型，...
我们的“研究”功能利用多个 Claude 智能体来更有效地探索复杂主题。在此，我们分享构建该系统时遇到的工程挑战与经验教训。 Claude 现在具备了研究能力，使其能够跨越网络、Google Workspace 及任何集成应用进行搜索，以完成复杂的任务。 这个多智能体系统从原型到产品的演进过程，让我们在系统架构、工具设计和提示工程方面学到了关键的经验。一个多智能体系统由多个协同工作的智能...