Agent 设计原则
Agent 不是聊天机器人
从输出形态、工具调用、上下文和验证闭环重新理解 Agent 产品。
zhiqiang.chat / knowledge system
从 Claude Code 的真实工程工作流里提炼 Agent 设计方法,再迁移到 OpenClaw、MCP、Skills 和自己的产品系统。
Agent system map
Agent 设计原则
从输出形态、工具调用、上下文和验证闭环重新理解 Agent 产品。
从 Claude Code 学 Agent
Claude Code 的价值不只是写代码,而是展示了一个 Agent 如何进入真实工程环境。
Agent 架构落地
把 Agent 拆成 Instruction、Context、Planning、Tool Use、Execution、Verification、Memory、Permission 八层。
Agent 工作流实践
多 Agent 系统的关键不是数量,而是边界、调度成本和结果汇总质量。
从 Claude Code 学 Agent
Agent 的上下文不是越多越好,而是要让它在正确时间看到正确信息。
Agent 架构落地
Agent 接入工具的关键不是数量,而是协议、权限、失败处理和可验证输出。
Agent 工作流实践
Agent 的交付说明里,最重要的不是它做了什么,而是它如何证明自己做对了。
Agent 安全边界
强 Agent 必须被约束。权限不是产品阻力,而是让 Agent 进入真实环境的前提。
AI 工程面试
如果面试 AI 产品、AI 应用开发、Agent、前端 AI 或全栈 AI 工程师,我会用这套时间线判断候选人是不是真的跟过这一轮 AI 演进。
AI 工程面试
2026 年以后的 AI 开发面试,越来越少考公式,越来越多考真实使用经验:怎么用 Agent、MCP、Skills、Vibe Coding、RAG 和 Coding Agent。