01
MCP 实战：为 AI Agent 设计标准化工具与资源接口
从 Host、Client、Server 的职责边界出发，设计可发现、可授权、可观测的 MCP 接入层。
A PERSONAL ENGINEERING JOURNAL
在代码与世界之间，
留下一点可复用的思考。
关于软件工程、系统设计和亲手解决问题的记录。少一点结论堆砌，多一点真实路径。
ISSUE 01
BUILD
OBSERVE
REFINE
LATEST NOTES
最新文章
02
浏览器 Agent 工程指南：DOM、视觉与可靠操作
分析 DOM、无障碍树和视觉理解三条感知路径，构建能验证结果、应对页面变化的浏览器自动化 Agent。
03
Coding Agent 如何理解代码库并安全地产生补丁
拆解代码搜索、变更规划、最小补丁、测试验证和差异审查，让 Coding Agent 从会写代码走向可信交付。
04
结构化输出与状态机：约束 Agent 的不确定性
用 JSON Schema、领域状态机和验证反馈把自然语言决策转成可执行、可测试的业务流程。
05
长任务 Agent：检查点、事件日志与故障恢复
为跨分钟、跨小时的 Agent 任务设计持久状态、检查点、幂等恢复和人工等待机制。
06
多模型路由：让 Agent 在质量、延迟与成本间取舍
按任务难度、风险和上下文选择模型，并用升级、降级和回退机制控制质量与成本。
07
Agent 缓存设计：省 Token，但不能缓存错误
区分提示缓存、检索缓存、工具结果缓存与语义缓存，处理权限、新鲜度和错误放大问题。
08
Human-in-the-Loop：把人工审批变成可靠工作流
设计风险分级、参数绑定审批、人工接管和恢复协议，让人机协作成为产品能力而非异常补丁。
09
Agent UX 设计：进度、控制权与可信交付
从目标确认、过程反馈、中断修改到结果证据，设计让用户理解并掌控 Agent 的交互体验。
10
Agent 数据闭环：从生产轨迹到持续改进
把真实运行轨迹转成失败分类、评测集和改进实验，建立可度量、可回归的 Agent 迭代闭环。
11
从零理解 AI Agent：一套可落地的系统架构
把 AI Agent 拆成模型、状态、工具、控制循环与运行时，理解一次任务从输入到交付的完整链路。
12
ReAct 与 Plan-and-Execute：Agent 规划模式如何选
对比边想边做与先规划后执行两种主流模式，并给出复杂度、成本、可恢复性上的选择方法。
13
Tool Calling 工程化：让 Agent 安全可靠地调用工具
从工具 Schema、权限边界、幂等性到错误语义，构建模型真正用得对、系统兜得住的工具层。
14
上下文工程：比 Prompt 更重要的 Agent 输入系统
系统化组织指令、任务状态、检索结果与工具反馈，在有限上下文窗口中保留真正影响决策的信息。
15
Agent 记忆系统设计：短期状态、长期记忆与遗忘
区分工作记忆、情节记忆和语义记忆，并讨论写入、召回、压缩、冲突与隐私治理。
16
Agentic RAG：从一次检索升级为可迭代研究
让 Agent 自主拆解问题、改写查询、评估证据并补充检索，构建可追溯的研究型问答链路。
17
多 Agent 协作：什么时候值得，什么时候只是更贵
分析主管—工人、流水线和辩论等协作拓扑，以及任务切分、通信协议与冲突收敛的工程方法。
18
如何评测 AI Agent：从答案正确到过程可信
建立任务成功率、轨迹质量、工具正确性、成本与安全性指标，让 Agent 迭代摆脱主观体验。
19
AI Agent 安全指南：提示注入、越权与沙箱隔离
以不可信输入、最小权限和可审计执行为核心，防御提示注入、数据泄露与高风险工具调用。
20
把 AI Agent 跑在生产环境：可观测性、恢复与成本
围绕轨迹追踪、重试策略、检查点、人工接管和预算控制，搭建可运营的 Agent 生产系统。
21
欢迎来到奇摩小子
这里记录工程实践、技术选择，以及那些值得反复推敲的细节。