工程进阶
可靠 Agent 的工程模式
学习上下文装配、工具设计、评测、长任务和沙箱隔离等生产级模式。重点是：当 Agent “碰巧成功”时，你能找到并检查边界。
工程进阶22篇札记
本页解决的问题
先给结论「可靠 Agent 的工程模式」AI 学习路径适合解决什么问题？
学习上下文装配、工具设计、评测、长任务和沙箱隔离等生产级模式。重点是：当 Agent “碰巧成功”时，你能找到并检查边界。 路线包含 22 篇免费札记，每篇聚焦一个可以独立搜索、理解和验证的问题。
判断标准
核心主题包括：Agent 设计模式、工具设计的艺术、Agent 评测、长运行 Agent。
下一步
从「Workflow vs Agent：先搞清楚你要什么」开始，再按当前任务选择下一篇。
常见误区
不要为了完成目录而跳过实践；能用自己的例子解释一个取舍，比读完更多标题更重要。
这条路径会练什么
从第一篇打开
每个章节都围绕一类真实决策展开。可以顺着走，也可以从正在处理的工作切入。
01Workflow vs Agent：先搞清楚你要什么预定义流程 vs 模型自主决策，Anthropic 定义的两大类 Agent 系统↗02五种 Workflow 模式Prompt Chaining / Routing / Parallelization / Orchestrator-Workers / Evaluator-Optimizer↗03从 Prompt 工程到上下文工程在每一轮推理时策展最优的 Token 组合，写好提示词只是其中一环↗04上下文的三板斧Compaction、结构化笔记、子 Agent 架构，长任务的三种上下文管理策略↗05ACI：Agent-Computer Interface工具是 Agent 和世界之间的契约。像设计人机界面一样设计 Agent 界面↗06Milvus 作为 Agent 知识库工具把向量检索封成 search_knowledge：ToolMessage、记忆分层与调用/不调用的测试↗07Think Tool：让 AI 先想后做在复杂工具链中给 Agent 一个暂停思考的空间，τ-bench 性能提升 54%↗08用 Agent 优化 Agent 的工具Claude Code 实践：用 AI 写工具描述、跑评测、自动迭代优化↗09为什么评测比训练更重要没有评测，修一个 bug 制造三个。Anthropic 的 Eval 方法论↗10三种 Grader：代码、模型、人工静态断言 vs LLM-as-Judge vs 人工校准，每种适合什么场景↗11评测的坑：噪音、作弊与退化基础设施噪音可造成 6pp 误差、模型会识别考试、改 Prompt 可能让 Eval 掉 3%↗12为什么 Agent 跑不了长任务一口气做太多、做完就收工，两种典型失败模式↗13Initializer + Coding Agent初始化 Agent 搭环境、编码 Agent 增量推进，双角色 Harness 设计↗14Managed Agent：脑手分离把思考和执行拆到不同进程，像操作系统一样虚拟化 Agent↗15Session ≠ Context Window会话日志是持久的事件流、上下文窗口是临时的工作记忆，两者必须分离↗16三类风险：滥用、失控、外部攻击Anthropic 的安全分类框架：用户滥用 / 模型 Misbehavior / Prompt Injection↗17沙箱与凭证隔离生成的代码和密钥永远不在同一个容器里。结构性安全比靠提示词更可靠↗18Contextual Retrieval：更好的 RAG在检索前先给 Chunk 加上下文，Anthropic 的 RAG 升级方案↗19进阶全景图设计模式、工具、评测、长运行、安全，一张图串起来↗20做最简单的、能跑的东西Anthropic 的核心工程哲学："Do the simplest thing that works"↗21搭你的第一个评测集改动前后跑分对比演示；三档任务：攒十条真实用例、写通过标准跑基线、用分数说话↗22AI 工程设计模式 · 30 道灵魂拷问每题附考察意图、答题框架与加分点：上下文工程 / 长任务 / grep vs RAG / ACI 工具设计 / 评测基建 / LLM-as-Judge / 沙箱隔离↗