AI Agent 为什么会忘掉最重要的约束
你的 Agent 记下了全部历史，仍然会漏掉那条最关键的约束——而且这不是 bug，是数学上最优的结果。想象一个编程 Agent 接手要维护数周的项目。第一周，它和工程师敲定了接口约定；此后每天，新的提交、日志和报错不断涌入它的上下文。
从零理解一个最简 Agent：用伪代码走通 Agent Loop
Barry Zhang把Agent压缩两行就能说清:环境变化 → 模型观察 → 模型行动 → 重复。预告:下周进入第二周——动手实现。
什么是 AI Agent：不只是能聊天，而是能"做事"的系统
什么是 AI Agent：不只是能聊天，而是能"做事"的系统摘要：所有人都在说 Agent，但它到底是什么？我一开始以为 ChatGPT 本身就是 Agent，后来发现这个理解大错特错。
从零手写 ReAct Agent：一个 loop、一个 tool、一个 parser，就这
一、为什么要"手写"一遍？OpenAI 的 tools 不是更香吗？我一开始也偷懒干嘛还要拿 Prompt 硬撸 ReAct？直到我把前面笔记写的 Function Calling Agent 拿出来 debug，盯着 msg.
Agent A《特工A》评测：暂时平庸 未完待续
FJ发表于 2015-11-05 09:28Flash 游戏还很流行的时候，点击式解谜是 Flash 游戏中十分受欢迎的一个类型，当时我也经常沉浸于那些设计精巧的谜题与让人意外的剧情之中。
LLM 模型参数避坑指南：Agent 开发者最该知道的事
摘要：做 Agent 开发，模型参数调不好，轻则输出不稳定，重则 token 烧钱、工具调用失败。
Agent 设计模式总览：六大模式一图看懂
一、六大模式的全景地图我读了一堆资料之后，把 Agent 设计模式整理成六个。先上一张全景图：为什么这样分层？Layer 1 基础能力层：ReAct 和 Tool Use 是所有 Agent 的地基。ReAct 解决"怎么循环"，Tool Use 解决"循环里能做什么"。
Workflow vs Agent：不是所有问题都需要 Agent
一、Anthropic 的定义：Workflow vs AgentAnthropic 在 Building Effective Agents 中把 LLM 应用分成了两大类：Workflows（工作流）: 系统通过LLM和工具进行编排Agents（智能体）: LLM 动态指导自身
Agent Dev: 从 Chat Template 到工具调用：理解 LLM 的消息与角色系统
从 Chat Template 到工具调用：理解 LLM 的消息与角色系统摘要：这篇文章带你理解 LLM 的消息组织方式、角色分层，以及 Responses API 与工具调用协议背后的核心心智模型。一、为什么要理解 Chat Templates？LLM 接收一组结构化消息。
Agent dev: 从Token开始
一、Token：大语言模型的输入基础我们日常输入给 LLM 的文本无法直接被模型处理，模型需要先把文本拆分成一个个最小处理单元，这就是Token。