Agent

1. Function Calling

1.1 什么是 Function Calling

Function Calling（函数调用 / Tool Use）是让大语言模型（LLM）能够调用外部工具和 API 的核心机制。模型根据用户请求和工具描述，决定何时调用工具，并返回结构化的调用请求。

核心流程：

定义工具：开发者提供工具的 schema（名称、描述、参数）
模型判断：LLM 分析用户请求，决定是否需要调用工具
生成调用：模型返回结构化的 tool_use 块
执行工具：应用程序执行实际操作
返回结果：将 tool_result 返回给模型
生成响应：模型基于结果生成最终回答

1.2 工具类型

Client Tools（客户端工具）

在你的应用中执行，模型返回 tool_use 块，你的代码执行并返回 tool_result。

示例：自定义工具

Python

tools = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "input_schema": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "城市名称，如 Beijing"
                }
            },
            "required": ["location"]
        }
    }
]

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    tools=tools,
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}]
)

Server Tools（服务端工具）

在 Anthropic 基础设施上运行，无需你处理执行逻辑。

示例：Web Search

Python

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    tools=[{"type": "web_search_20260209", "name": "web_search"}],
    messages=[{"role": "user", "content": "火星探测器最新进展？"}]
)

主要 Server Tools：

web_search - 网络搜索，带引用来源
web_fetch - 获取网页/PDF完整内容
code_execution - 在沙箱中执行 Python/bash 代码
computer_use - 控制桌面环境（截图、鼠标、键盘）

1.3 OpenAI Function Calling

OpenAI 的 Function Calling 支持更严格的模式匹配：

Structured Outputs（结构化输出）

Python

tools = [{
    "type": "function",
    "function": {
        "name": "extract_user_info",
        "description": "从文本中提取用户信息",
        "parameters": {
            "type": "object",
            "properties": {
                "name": {"type": "string"},
                "age": {"type": "integer"},
                "email": {"type": "string"}
            },
            "required": ["name", "age"],
            "additionalProperties": False
        },
        "strict": True  # 确保输出严格匹配 schema
    }
}]

1.4 工具设计最佳实践

来自 Anthropic "Building Effective Agents" 的指导：

明确的工具描述：像写给初级开发者的文档一样
减少重叠：每个工具应有明确独立的职责
降低格式开销：避免复杂的字符串转义、行数计数等
提供示例：在描述中包含使用示例和边界情况
Poka-yoke（防错设计）：设计参数使错误难以发生

反例：模糊的路径参数

Python

# 不好：使用相对路径，agent 移动目录后容易出错
{"name": "edit_file", "parameters": {"path": "string"}}

# 好：强制使用绝对路径
{"name": "edit_file", "parameters": {"absolute_path": "string"}}

1.5 常用 MCP Server

MCP（Model Context Protocol）是 Anthropic 推出的开源标准，让 AI Agent 能够连接外部工具、数据和系统。以下是 6 个最常用的 MCP Server。

1.5.1 Tavily MCP — AI 搜索

让 Agent 获得实时网络搜索能力，返回结构化结果和引用来源。

GitHub: https://github.com/tavily-ai/tavily-mcp
npm: https://www.npmjs.com/package/tavily-mcp

安装方式：

Bash

# Claude Code
claude mcp add tavily -- npx -y tavily-mcp
# 或带 API Key
claude mcp add tavily -e TAVILY_API_KEY=tvly-xxxxx -- npx -y tavily-mcp

TOML

# Codex (~/.codex/config.toml)
[mcp_servers.tavily]
command = "npx"
args = ["-y", "tavily-mcp"]
env = { TAVILY_API_KEY = "tvly-xxxxx" }

JSON

// Cursor (.cursor/mcp.json)
{
  "mcpServers": {
    "tavily": {
      "command": "npx",
      "args": ["-y", "tavily-mcp"],
      "env": { "TAVILY_API_KEY": "tvly-xxxxx" }
    }
  }
}

🔑 API Key: 在 https://tavily.com 免费注册获取

1.5.2 Context7 — 实时文档查询

为 Agent 提供最新的、版本特定的库文档和代码示例，避免幻觉 API。

GitHub: https://github.com/upstash/context7
npm: https://www.npmjs.com/package/@upstash/context7-mcp

安装方式：

Bash

# Claude Code
claude mcp add context7 -- npx -y @upstash/context7-mcp

TOML

# Codex (~/.codex/config.toml)
[mcp_servers.context7]
command = "npx"
args = ["-y", "@upstash/context7-mcp"]

JSON

// Cursor (.cursor/mcp.json)
{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp"]
    }
  }
}

💡 无需 API Key，直接可用。在提示中加入 use context7 即可触发文档查询。

1.5.3 MarkItDown MCP — 文档转 Markdown

将 PDF、Word、PPT、Excel、图片、音频等文件转换为 Markdown，供 Agent 读取。

GitHub (Microsoft 原版): https://github.com/microsoft/markitdown
npx 封装: https://github.com/xkiranj/markitdown-mcp-npx
npm: https://www.npmjs.com/package/markitdown-mcp-npx

安装方式：

Bash

# Claude Code
claude mcp add markitdown -- npx -y markitdown-mcp-npx

TOML

# Codex (~/.codex/config.toml)
[mcp_servers.markitdown]
command = "npx"
args = ["-y", "markitdown-mcp-npx"]

JSON

// Cursor (.cursor/mcp.json)
{
  "mcpServers": {
    "markitdown": {
      "command": "npx",
      "args": ["-y", "markitdown-mcp-npx"]
    }
  }
}

⚠️ 首次运行会自动创建 Python venv 并安装依赖，需要系统已安装 Python 3.10+。

1.5.4 Chrome DevTools MCP — 浏览器调试

让 Agent 控制和检查真实的 Chrome 浏览器：DOM 检查、Console/Network 读取、性能追踪、截图。

GitHub: https://github.com/ChromeDevTools/chrome-devtools-mcp
npm: https://www.npmjs.com/package/chrome-devtools-mcp
官方博客: https://developer.chrome.com/blog/chrome-devtools-mcp

安装方式：

Bash

# Claude Code
claude mcp add chrome-devtools -- npx -y chrome-devtools-mcp

TOML

# Codex (~/.codex/config.toml)
[mcp_servers.chrome_devtools]
command = "npx"
args = ["-y", "chrome-devtools-mcp"]

JSON

// Cursor (.cursor/mcp.json)
{
  "mcpServers": {
    "chrome-devtools": {
      "command": "npx",
      "args": ["-y", "chrome-devtools-mcp"]
    }
  }
}

💡 需要 Chrome 以 --remote-debugging-port=9222 启动，或使用默认端口自动连接。

1.5.5 Firecrawl MCP — 网页抓取与爬取

搜索、抓取、交互实时网页，返回干净的、Agent 可读的 Markdown 内容。支持批量处理和 LLM 分析。

GitHub: https://github.com/firecrawl/firecrawl-mcp-server
npm: https://www.npmjs.com/package/firecrawl-mcp
官网: https://www.firecrawl.dev

安装方式：

Bash

# Claude Code
claude mcp add firecrawl -e FIRECRAWL_API_KEY=fc-xxxxx -- npx -y firecrawl-mcp

TOML

# Codex (~/.codex/config.toml)
[mcp_servers.firecrawl]
command = "npx"
args = ["-y", "firecrawl-mcp"]
env = { FIRECRAWL_API_KEY = "fc-xxxxx" }

JSON

// Cursor (.cursor/mcp.json)
{
  "mcpServers": {
    "firecrawl": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": { "FIRECRAWL_API_KEY": "fc-xxxxx" }
    }
  }
}

🔑 API Key: 在 https://www.firecrawl.dev 注册获取（有免费额度）

1.5.6 Playwright MCP — 浏览器自动化

由 Microsoft 官方维护，基于无障碍树（Accessibility Snapshot）与网页交互，无需截图即可精确操作页面元素。

GitHub: https://github.com/microsoft/playwright-mcp
npm: https://www.npmjs.com/package/@playwright/mcp
官方文档: https://playwright.dev/docs/getting-started-mcp

安装方式：

Bash

# Claude Code
claude mcp add playwright -- npx -y @playwright/mcp

TOML

# Codex (~/.codex/config.toml)
[mcp_servers.playwright]
command = "npx"
args = ["-y", "@playwright/mcp"]

JSON

// Cursor (.cursor/mcp.json)
{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["-y", "@playwright/mcp"]
    }
  }
}

💡 首次运行会自动安装 Chromium 浏览器。支持 headless 和 headed 两种模式。

1.5.7 推荐资源：Awesome-MCP-ZH

以上只是冰山一角。MCP 生态正在快速发展，已有数百个 Server 可用。

Awesome-MCP-ZH 是专为中文用户打造的 MCP 资源合集，由云中江树维护，包含：

MCP 基础介绍和教程
MCP 客户端工具一览
精选 MCP Server 列表（分类整理）
MCP Server 开发指南
社区资源和实战案例

📦 GitHub: https://github.com/yzfly/Awesome-MCP-ZH
⭐ 已有 6000+ Stars，是中文社区最全面的 MCP 资源库。

2. Skills

2.1 什么是 Skills

Skills 是可复用的专业知识包，让 AI Agent 能够执行特定领域的复杂任务。Skills 通过渐进式披露（Progressive Disclosure）机制，只在需要时加载相关内容到上下文窗口。

Skills 的三层加载机制：

Level 1: Metadata（元数据） - 始终加载
- Skill 名称和简短描述（~50 tokens）
- 出现在系统提示中："PDF Processing - Extract text and tables from PDF files"
Level 2: Instructions（指令） - 触发时加载
- Agent 通过 bash: read pdf-skill/SKILL.md 加载完整指令
- 包含操作步骤、使用示例
Level 3: Resources（资源） - 按需加载
- 仅当需要时读取（如 FORMS.md、数据库 schema）
- 脚本执行时，只有输出进入上下文，代码本身不占用 token

2.2 Skill 结构

每个 Skill 需要一个 SKILL.md 文件，带 YAML frontmatter：

Markdown

---
name: pdf-processor
description: 从 PDF 文件中提取文本和表格，填充表单，合并文档
---

# PDF Processor

## Instructions
1. 使用 `extract_text.py` 从 PDF 提取文本
2. 使用 `extract_tables.py` 提取表格数据
3. 对于表单填充，参考 FORMS.md

## Examples
### 提取文本
\`\`\`bash
python extract_text.py input.pdf --output output.txt
\`\`\`

目录结构示例：

Plain Text

pdf-skill/
├── SKILL.md           # 主指令文件
├── FORMS.md           # 表单处理参考
├── extract_text.py    # 文本提取脚本
├── extract_tables.py  # 表格提取脚本
└── schemas/
    └── invoice.json   # 发票数据结构

2.3 使用 Skills

Claude API

Python

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    tools=[{"type": "code_execution_20250820"}],
    container={"skill_id": "pptx"},  # 使用预置 PowerPoint Skill
    messages=[{"role": "user", "content": "创建一个关于 AI 的演示文稿"}]
)

Claude Code

在项目目录创建 .claude/skills/ 目录，Claude 会自动发现：

Bash

project/
└── .claude/
    └── skills/
        ├── database-query/
        │   └── SKILL.md
        └── api-testing/
            └── SKILL.md

2.4 预置 Agent Skills

可直接使用的 Skills：

pptx - PowerPoint 创建和编辑
xlsx - Excel 数据分析和报表
docx - Word 文档创建和格式化
pdf - PDF 生成和处理

2.5 Skills 的价值

来自 Anthropic "Equipping Agents for the Real World with Agent Skills"：

渐进式披露：无需将所有知识塞进系统提示
可复用性：跨项目、跨团队共享专业知识
可组合性：Skills 可以组合使用
token 效率：只加载需要的内容

实际案例： 一个 PDF 处理 Skill 可能包含 50 页文档和 10 个脚本，但如果任务只需要提取文本，Agent 只会：

加载 metadata（50 tokens）
读取 SKILL.md（~500 tokens）
执行 extract_text.py（只有输出进入上下文）
其余 49 页文档和 9 个脚本从不加载

2.6 Skills 分类与推荐

Skills 生态正在快速成熟，可以按用途分为以下几大类。以下推荐均来自社区实践和深度评测。

📖 深度阅读：Skills 生态全景 2026 — 覆盖七层生态架构、20+ 核心项目分析

2.6.1 代码工程类

Skill	用途	GitHub
taste-skill	给 AI 注入设计品味，前端审美提升	https://github.com/Leonxlnx/taste-skill
repomix	把整个代码仓库打包成单文件给 Agent	https://github.com/yamadashy/repomix
mattpocock/skills	通用工程方法论（TDD、架构、重构）	https://github.com/mattpocock/skills
vibe-codex	Codex 自主编码增强（无限重试、自愈）	https://github.com/kks0488/vibe-codex

📖 Vibe Coding 常用 Skills — 前端设计品味提升实践：如何通过 Skills 提升前端设计

2.6.2 写作与去 AI 味类

Skill	用途	GitHub
humanizer	通用去 AI 痕迹（中英文）	https://github.com/blader/humanizer
Humanizer-zh	中文去 AI 腔，专门针对中文语感	https://github.com/op7418/Humanizer-zh
nuwa-skill	学习和统一个人写作风格	https://github.com/alchaincyf/nuwa-skill
stop-slop	删除 AI 套路废话和空洞修饰	社区 Skill
ai-flavor-remover	通用 AI 味清理	社区 Skill

📖 去 AI 味十大 Skill 评测 — IP 写作 Skills 指南

2.6.3 学术研究类

Skill	用途	GitHub
academic-research-skills	学术研究全流程（选题→投稿）	https://github.com/Imbad0202/academic-research-skills
Auto-Empirical-Research-Skills	23000+ 社科实证研究技能库（斯坦福）	https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills
paper-plot-skills	顶会论文图表复现绘制	https://github.com/Trae1ounG/paper-plot-skills

2.6.4 领域专业类

Skill	用途	GitHub
matlab-agentic-toolkit	MATLAB 工程能力接入 Agent（MathWorks 官方）	https://github.com/matlab/matlab-agentic-toolkit
text-to-cad	CAD 建模 / 机器人 / 硬件设计	https://github.com/earthtojake/text-to-cad
reverse-skill	逆向工程 / 渗透测试 / 安全研究	https://github.com/zhaoxuya520/reverse-skill
next-ai-draw-io	AI 驱动的专业绘图（32.5k ⭐）	https://github.com/DayuanJiang/next-ai-draw-io

2.6.5 知识管理类

Skill	用途	GitHub
book-to-skill	把技术书籍变成可调用的 Skill	https://github.com/virgiliojr94/book-to-skill
dbskill	数据库领域知识 Skill	https://github.com/dontbesilent2025/dbskill

2.6.6 MCP + Skills 结合

MCP Server 和 Skills 可以组合使用：MCP 提供"能力"（搜索、抓取、执行），Skills 提供"方法论"（怎么用、何时用、用哪个）。

📖 MCP + Skills 结合指南 — MCP Server 如何与 Skill 协同工作

典型组合示例：

taste-skill + Playwright MCP：设计品味 Skill 指导前端实现，Playwright 验证视觉效果
academic-research-skills + Tavily MCP：学术研究流程 Skill 驱动搜索，Tavily 提供实时文献检索
humanizer + MarkItDown MCP：MarkItDown 提取文档内容，humanizer 去除 AI 痕迹后输出

2.6.7 社区资源索引

资源	说明	链接
Awesome-Codex-Skills	Codex Skills 精选列表	https://github.com/ComposioHQ/awesome-codex-skills
aitmpl.com/skills	Skills 模板市场	https://aitmpl.com/skills
Skills 生态全景	七层架构深度分析	https://ain.hmgf.hxcn.space/ai/skills-ecosystem-202605
如何设计好 Skills	Skill 设计方法论	https://ain.hmgf.hxcn.space/ai/how-to-design-good-skills-202605
PPT Skills 评测	PPT 类 Skill 横评	https://ain.hmgf.hxcn.space/ai/ppt-skills-review-202606
社区趣味 Skills	社区创意 Skill 合集	https://ain.hmgf.hxcn.space/ai/fun-community-skills

3. RAG（检索增强生成）

3.1 什么是 RAG

大模型有个致命缺陷：它只知道训练数据里的东西。要么不知道答案，要么一本正经地胡说八道（幻觉）。RAG 就是解决这个问题的。

一句话理解：先帮大模型"查资料"，再让它"回答问题"。就像开卷考试，你不需要记住所有知识，但你需要知道去哪里查。

全称：Retrieval-Augmented Generation（检索增强生成）

3.2 RAG 的核心流程

Plain Text

用户提问 → 检索相关文档 → 把文档塞进上下文 → 大模型基于文档生成答案

具体来说：

离线准备（Indexing）：把你的文档（PDF、网页、数据库）切分成小块，用嵌入模型（Embedding Model）转成向量，存入向量数据库
在线检索（Retrieval）：用户提问时，把问题也转成向量，在向量数据库中找到语义最相近的文档块
增强生成（Generation）：把检索到的文档块拼进 Prompt 的上下文部分，让大模型基于这些真实资料生成答案

3.3 RAG vs 微调 vs 长上下文

方式	原理	优点	缺点
RAG	运行时检索外部知识	知识可实时更新、可溯源、成本低	检索质量影响生成质量
微调（Fine-tuning）	用新数据重新训练模型	响应快、风格可控	成本高、知识会过时、可能遗忘
长上下文	把所有文档塞进上下文窗口	简单直接	Token 成本高、长文本幻觉率上升

💡 2025-2026 年的趋势：三者并非互斥，而是互补。前沿做法是 RAG + 长上下文 + 轻量微调的组合方案。

3.4 RAG 的关键组件

组件	作用	代表产品
嵌入模型（Embedding）	把文本转成向量	OpenAI text-embedding-3、BGE-M3、Qwen3-Embedding
向量数据库	存储和检索向量	Milvus、Qdrant、Chroma、Pinecone、Weaviate
重排序模型（Reranker）	对初步检索结果精排	Cohere Rerank、BGE-Reranker、Qwen3-Reranker
分块策略（Chunking）	把长文档切成合适大小	按段落/句子/语义分块

3.5 RAG 的演进方向

Naive RAG：基础版，直接检索→拼接→生成。简单但效果有限
Advanced RAG：加入查询改写（HyDE）、多路检索（向量+BM25）、重排序、自适应检索等优化
Modular RAG：模块化架构，按需组合检索策略。2025-2026 年的主流方向
Graph RAG：结合知识图谱，用图结构组织实体关系，增强对复杂关系的理解
Agentic RAG：Agent 自主决定何时检索、检索什么、是否需要多轮检索。是当前最前沿的方向

📖 参考：model.md §2.1.6 嵌入模型、§2.1.7 重排序模型

4. AGENTS.md

4.1 什么是 AGENTS.md

AGENTS.md 是一个简单、开放的文件格式，用来给 AI 编程助手"写说明书"。

一句话理解：README.md 是给人看的，AGENTS.md 是给 AI Agent 看的。就像新员工入职时要读的员工手册，只不过这个"员工"是 AI。

4.2 为什么需要 AGENTS.md

当你让 Claude Code、Codex、Cursor 等 AI 编程助手帮你改代码时，它需要知道：

这个项目怎么构建？怎么测试？
代码风格是什么？有什么约定？
有哪些坑需要注意？

没有 AGENTS.md 的时候，AI 只能靠自己"猜"，或者你每次都要手动告诉它。有了 AGENTS.md，这些信息一次写好，AI 自动读取。

4.3 基本格式

AGENTS.md 就是普通的 Markdown 文件，放在项目根目录。没有固定格式，写你需要的内容即可：

Markdown

# AGENTS.md

## 构建命令
- 安装依赖：`pnpm install`
- 启动开发：`pnpm dev`
- 运行测试：`pnpm test`

## 代码风格
- TypeScript 严格模式
- 单引号，无分号
- 优先使用函数式模式

## 测试要求
- 提交前必须运行 `pnpm lint` 和 `pnpm test`
- 修改代码时同步更新测试

## PR 规范
- 标题格式：[项目名] 标题

4.4 哪些工具支持 AGENTS.md

AGENTS.md 已被 60,000+ 开源项目采用，由 Agentic AI Foundation（Linux 基金会下）维护。以下工具原生支持：

类别	工具
CLI Agent	OpenAI Codex、Gemini CLI、Aider、goose
IDE Agent	Cursor、Windsurf、VS Code Copilot、Zed、Junie（JetBrains）
平台 Agent	GitHub Copilot Coding Agent、Devin、Factory、Amp

4.5 AGENTS.md vs 其他配置文件

文件	给谁看	用途
`README.md`	人类	项目介绍、快速开始、贡献指南
`AGENTS.md`	AI Agent	构建/测试命令、代码约定、安全注意事项
`.cursorrules`	Cursor 专属	Cursor 特定的规则（正在被 AGENTS.md 统一）
`CLAUDE.md`	Claude Code 专属	Claude Code 特定的指令
`SKILL.md`	AI Agent	可复用的技能包（详见 §2 Skills）

💡 最佳实践：大项目可以在子目录放多个 AGENTS.md，Agent 会自动读取最近的那个。OpenAI 的主仓库就有 88 个 AGENTS.md 文件。

🔗 官网：https://agents.md ｜ GitHub：https://github.com/agentsmd/agents.md

5. 四大工程

5.1 总览：从"会说话"到"会干活"

大模型本身只能做文字接龙，不断预测下一个 Token。要让它成为可靠的"员工"，需要在四个层次上持续投入：

工程	一句话	解决什么问题
Prompt Engineering	怎么跟 AI 说话	模型听不懂模糊指令
Context Engineering	给 AI 什么信息	模型缺少必要的背景知识
Harness Engineering	给 AI 什么规矩	模型行为不可控、不可预测
Loop Engineering	让 AI 自己跑起来	单次对话无法完成复杂/持续任务

💡 Prompt Engineering 可以理解为 Context Engineering 的子集，调整说话方式本质上也是在管理上下文。

5.2 Prompt Engineering（提示词工程）

直觉：小 L 很聪明但没经验，你说"帮我写个方案"，他交上来的东西一塌糊涂。你学会了怎么跟他说话：给清楚的背景、明确的要求、提供示例、指定输出格式。

5.2.1 核心原则

Prompt Engineering 是编写和组织 LLM 指令以获得最佳结果的方法。

OpenAI Prompt 结构建议：

Markdown

# Identity（身份）
你是一个帮助执行 snake_case 变量命名的编码助手...

# Instructions（指令）
* 定义变量时使用 snake_case（如 my_variable）而非 camelCase
* 使用 var 关键字支持旧浏览器
* 不使用 Markdown 格式，直接返回代码

# Examples（示例）
Q: 如何声明一个 first name 的字符串变量？
A: var first_name = "Anna";

# Context（上下文）
<current_file path="app.js">
// 当前文件内容...
</current_file>

5.2.2 消息角色

角色	用途	优先级
`developer` / `system`	应用开发者提供的指令	最高
`user`	终端用户提供的输入	中等
`assistant`	模型生成的响应	-

示例：

Python

messages = [
    {"role": "developer", "content": "你是一个海盗风格的助手"},
    {"role": "user", "content": "JavaScript 中分号是可选的吗？"}
]

5.2.3 Few-shot Learning

提供示例帮助模型理解任务模式：

Markdown

# 情感分类示例

Example 1:
Input: "我非常喜欢这个耳机 — 音质太棒了！"
Output: Positive

Example 2:
Input: "电池续航还行，但耳罩感觉很廉价"
Output: Neutral

Example 3:
Input: "客服太差了，再也不会买了"
Output: Negative

5.2.4 GPT-5.5 vs Reasoning Models

GPT 模型（如 gpt-5.5）：

需要明确、详细的指令
像给初级同事分配任务：提供明确步骤

Reasoning 模型（如 o1）：

只需高层目标
像给高级同事分配任务：说明目标，他们自己规划

Python

# GPT-5.5 提示：详细指令
"""
1. 读取 input.csv 文件
2. 过滤 age > 18 的行
3. 按 name 排序
4. 输出到 output.csv
"""

# Reasoning 模型提示：高层目标
"""
处理 input.csv，只保留成年人，按姓名排序输出
"""

5.3 Context Engineering（上下文工程）

直觉：小 L 虽然会说话了，但他不知道你公司的内部情况。你问他"这个项目进展如何"，他只能瞎猜。你开始给他提供背景资料，比如项目文档、会议记录、数据库查询结果。

5.3.1 为什么需要 Context Engineering

来自 Anthropic "Effective Context Engineering for AI Agents"：

Context（上下文）是 LLM 的有限资源，就像人类的工作记忆。随着上下文增长，模型的注意力预算（attention budget）会被稀释，导致：

Context Rot（上下文腐烂）：信息检索准确性下降
注意力分散：n² 的 Token 关系难以维持
位置理解降级：长上下文中位置编码的准确性下降

5.3.2 最小化高信号 Token 集

系统提示优化：

避免硬编码脆弱逻辑（太低层）
避免模糊高层指导（太高层）
找到"Goldilocks Zone"：具体但灵活的启发式规则

工具设计：

返回 Token 高效的信息
鼓励高效的 Agent 行为
避免臃肿的工具集

5.3.3 Just-in-Time Context Retrieval

传统 RAG（预检索）：

Plain Text

用户请求 → 向量检索 → 加载大量文档 → 模型推理

Agentic Search（运行时探索）：

Plain Text

用户请求 → Agent 使用工具导航 → 动态加载相关内容 → 渐进式发现

上下文的来源多种多样：

你手动写进去的背景信息
RAG 从知识库检索出来的文档（§3）
MCP 工具调用返回的结果（§1.5）
Skill 中预置的说明和脚本（§2）
历史对话的压缩摘要（Memory）

5.3.4 长时程任务的上下文策略

Compaction（压缩）： 将接近上下文窗口限制的对话总结，重新初始化新窗口。

Python

# Claude Code 的 compaction 策略：
# 1. 传递消息历史给模型总结
# 2. 保留架构决策、未解决 bug、实现细节
# 3. 丢弃冗余工具输出
# 4. 加上最近访问的 5 个文件

Structured Note-taking（结构化笔记）： Agent 定期写笔记到上下文窗口外的持久化存储。

Markdown

# NOTES.md
## 当前进度
- 已完成用户认证模块
- 正在实现支付集成
- 遇到问题：Stripe webhook 验证失败

## 待办事项
1. 修复 webhook 签名验证
2. 添加支付重试逻辑
3. 编写集成测试

Sub-agent Architecture（子代理架构）：

主 Agent 协调高层计划
子 Agent 处理深度技术任务（可能使用数万 Token）
子 Agent 只返回压缩摘要（1000-2000 Tokens）

5.4 Harness Engineering（驾驭工程）

直觉：你给小 L 配了工具、给了资料，结果他为了回答"今天几号"，先去买充电器，再去银行取钱，最后把手机都抵押了。虽然最终回答了问题，但过程完全失控。你开始制定规矩：哪些权限要收敛、哪些流程要固定、哪些行为要约束。

5.4.1 什么是 Harness

Harness 是 Agent 运行的环境和基础设施，包括工具、权限、反馈循环和状态管理。

来自 OpenAI "Harness Engineering"：

人类引导，Agent 执行。我们的角色不再是编写代码，而是设计环境、明确意图、构建反馈循环，让 Codex Agent 能够可靠工作。

5.4.2 知识库即代码

AGENTS.md 作为目录而非百科全书（§4）：

Plain Text

project/
├── AGENTS.md              # ~100 行，指向其他文档
├── ARCHITECTURE.md        # 系统架构地图
├── docs/
│   ├── design-docs/
│   ├── exec-plans/
│   ├── product-specs/
│   └── QUALITY_SCORE.md

机械化验证：

Linters 验证知识库结构
CI 检查文档交叉引用
"doc-gardening" agent 定期扫描陈旧文档

5.4.3 Anthropic 的双Agent架构

来自 "Effective Harnesses for Long-Running Agents"：

解决长时程任务的上下文连续性问题：

Initializer Agent（初始化代理）：

Markdown

任务：设置项目环境

输出：
1. init.sh - 启动脚本
2. tests.json - 200+ 特性列表（全部标记为 failing）
3. claude-progress.txt - 进度日志
4. 初始 git commit

Coding Agent（编码代理）：

Markdown

每次会话：
1. 运行 pwd 确认目录
2. 读取 git log 和 progress 文件
3. 读取 tests.json 选择下一个特性
4. 运行 init.sh 启动服务
5. 执行基础端到端测试
6. 实现一个特性
7. 测试验证
8. 更新 git 和 progress 文件
9. 标记特性为 passing

关键机制：

每个特性单独实现（增量进度）
Git commits 提供回滚能力
浏览器自动化工具端到端测试
Progress 文件桥接会话

Harness 做的事情总结：

权限控制：Agent 能访问哪些目录、哪些 API
行为约束：AGENTS.md 中定义的代码规范、测试要求（§4）
流程固化：把稳定的工作流写成 Skill 或脚本，不让 Agent 每次自由发挥
状态管理：跨会话的进度追踪、Git 提交记录、进度文件

💡 Harness 不是某个具体的技术，而是"让不可控的强大智能朝着我们想要的方向走"的所有办法。

5.5 Loop Engineering（循环工程）

直觉：任务越来越复杂，一次对话完不成。你需要 AI 能自己跑循环，比如定时检查、自动修复、持续运行。

5.5.1 什么是 Loop Engineering

来自 Addy Osmani "Loop Engineering"：

Loop Engineering 是设计系统来提示 Agent 的过程，而不是你自己提示它。

核心思想：

让 Agent 在循环中运行
每次迭代观察、计划、执行
使用反馈自动修正

⚠️ 泼个冷水：Loop Engineering 本质上就是"定时任务 + Agent 调用"，概念并不新鲜。对大部分人来说，连一个 AGENTS.md 都还没写好，谈什么 Loop Engineering 呢？先把前三步走踏实。

5.5.2 常见 Loop 模式

Evaluator-Optimizer Loop（评估-优化循环）：

Evaluator-Optimizer

Python

# 文学翻译循环
while not evaluator_satisfied:
    translation = translator_llm(source_text)
    critique = evaluator_llm(translation, source_text)
    if critique.satisfied:
        break
    source_text = f"{source_text}\n\nFeedback: {critique.feedback}"

Ralph Loop（自主修复循环）：

Python

# Codex 自主工作流
while not task_complete:
    pr = agent.implement_feature(task)
    self_review = agent.review_code(pr)
    agent_reviews = [reviewer.review(pr) for reviewer in agent_reviewers]
    if all(review.approved for review in agent_reviews):
        pr.merge()
        break
    else:
        agent.address_feedback(agent_reviews)

Iterative Repair Loop（迭代修复循环）：

Python

# OpenAI Cookbook 示例
max_attempts = 5
for attempt in range(max_attempts):
    code = agent.write_code(spec)
    test_results = run_tests(code)
    if test_results.all_passed:
        return code
    spec = f"{spec}\n\nTest failures:\n{test_results.failures}"

5.5.3 OpenAI Codex 的自主循环

来自 "How Agents Are Transforming Work"：

99th percentile 工程师：每天 60+ 小时的 Agent 运行时间
Agent 并行协作
监控 CI，自主解决失败
单次 Codex 运行可工作 6+ 小时（通常在人类睡觉时）

Goal-Directed Loops（目标导向循环）：

Python

# 使用 Goals API
response = client.responses.create(
    model="gpt-5.5",
    instructions="修复 bug #1234",
    goal="所有测试通过且 bug 不再复现",
    # Agent 会循环直到达成 goal
)

5.5.4 Anthropic 的生成-评估循环

来自 "Harness Design for Long-Running Apps"：

Python

# 每次生成迭代 5-15 次
for iteration in range(5, 15):
    ui_code = generator_agent.create_ui(spec)
    page = playwright.goto(local_server)
    observations = evaluator_agent.observe(page)
    score = evaluator_agent.score(observations, spec)
    critique = evaluator_agent.critique(observations)
    if score >= threshold:
        break
    spec = f"{spec}\n\nIteration {iteration} feedback:\n{critique}"

动态并行循环：

Python

# Claude Code 动态工作流
orchestration = agent.generate_orchestration(task)
subagents = orchestration.spawn_parallel_agents()
for result in subagents.results:
    verification = adversarial_verifier.check(result)
    if not verification.passed:
        result.agent.fix(verification.issues)

5.6 四大工程的关系

Plain Text

你（老板）
  │
  ├── Prompt Engineering  ── 怎么跟 AI 说话
  │
  ├── Context Engineering ── 给 AI 什么信息
  │       ↑ 包含 Prompt Engineering
  │       ↑ 包含 RAG、Skill、Memory、MCP 返回值
  │
  ├── Harness Engineering ── 给 AI 什么规矩
  │       ↑ AGENTS.md、权限、流程固化
  │
  └── Loop Engineering    ── 让 AI 自己跑起来
          ↑ 定时任务、自动触发、持续运行

5.7 一切技术的本质

所有这些工程，归根结底就是两件事：

帮 AI 补充信息：RAG、Search、Skill、Memory，都是往上下文里塞内容
帮人类减少沟通：Agent 代替你和大模型对话，子 Agent 代替主 Agent 处理子任务

Agent 是什么？ 就是一个程序，把所有"不需要智能"的部分（文件读取、API 调用、格式转换、权限检查）用代码实现，只在需要"判断"的时候才问大模型。

📖 参考视频：
【闪客】一口气拆穿 Skill/MCP/RAG/Agent 底层逻辑 — 用大白话讲清所有概念的关系
【闪客】你管这破玩意叫 Harness？ — Harness 的来龙去脉
【闪客】新名词诈骗！你管这破玩意叫 Loop Engineering？ — Loop Engineering 的真相

6. Agent 工具

6.1 Claude Code：Anthropic 官方编码 Agent

Claude Code 是 Anthropic 推出的命令行编码 Agent，支持 Computer Use、文件编辑、浏览器控制和长期会话。

配置文件修改

Claude Code 的配置文件位于：

全局：~/.claude/settings.json
项目级：.claude/settings.json

⚠️ Claude Code 原生只支持 Anthropic API 格式。 如果你的自定义端点是 OpenAI 格式（/v1/chat/completions），必须先用本地代理网关（如 cc-switch 的代理功能）做 API 格式转换，再填入 ANTHROPIC_BASE_URL。

① 环境变量方式（推荐，立即生效，重启终端需重设）

Bash

export ANTHROPIC_BASE_URL="https://your-custom-endpoint/v1"
export ANTHROPIC_API_KEY="sk-xxx"

claude   # 启动后自动读取环境变量

② 写入配置文件（永久生效）

编辑 ~/.claude/settings.json（或项目内 .claude/settings.json）：

JSON

{
  "permissions": {
    "allow": ["Read", "Edit", "Write", "Bash"],
    "deny": []
  },
  "env": {
    "ANTHROPIC_BASE_URL": "https://your-custom-endpoint/v1",
    "ANTHROPIC_API_KEY": "sk-xxx"
  }
}

配置字段说明
permissions.allow：允许 Agent 操作的工具列表
env.ANTHROPIC_BASE_URL：你的 Anthropic API 端点（必须是 /v1 结尾）
env.ANTHROPIC_API_KEY：你的 API Key

⚠️ Claude Code 不使用 ~/.claude/config.toml，配置文件为 settings.json。[api]、[model] 等 TOML 分段格式是 Codex 的写法，不适用于 Claude Code。

关闭首次安装强制登录

Bash

# 方法一：环境变量（推荐）
CLAUDE_SKIP_LOGIN=1 claude

# 方法二：写入配置
claude config set --no-forced-login true

推理参数调整

Claude Code 的推理参数通过命令行或会话内命令设置，不在配置文件中：

Bash

# 启动时指定
claude --model claude-sonnet-4-20250514 --max-tokens 128000

# 会话内切换
/model claude-sonnet-4-20250514
/effort high

引用文件与工具调用

引用文件：直接输入 @文件名或 @文件夹路径，支持多文件同时引用。
MCP：使用 /mcp 命令管理。
Skills：使用 /skills 查看和调用。

常用 / 命令

/new 或 /clear：开启新对话，清空上下文。
/compress：压缩当前会话上下文，保留核心信息。
/init：在当前目录初始化项目配置。
/config：查看或修改当前会话配置。
/model：切换模型（支持自定义模型）。
/effort 或 /thinking：设置思考强度（low/medium/high）。
/fast：快速模式，降低思考深度加速回复。
/hook：管理会话钩子（pre/post 命令）。
/login 与 /logout：仅官方 Anthropic 账号可用。
/permissions：查看和修改 Agent 权限（读写、浏览器、终端等）。
/plan：让 Claude 先输出详细执行计划。
/goal：设置长期目标，Agent 会持续追踪。
/loop：进入自动循环模式，直到目标完成。
/plugin：管理第三方插件。
/restore：恢复历史会话。
/sandbox：进入沙盒环境。
/status：显示当前 Agent 状态。
/todo：内置任务管理系统。
/vim：进入 Vim 编辑模式。
/ps：查看当前运行的子任务。

6.2 Codex：OpenAI 官方编码 Agent + oh-my-codex（OMX）

Codex 是 OpenAI 的编码 Agent，搭配 oh-my-codex（OMX）框架后成为目前最强的工程化 Agent 系统。

配置文件（config.toml）

位于 ~/.codex/config.toml：

TOML

[default]
provider = "custom"
base_url = "https://your-api.com/v1"
api_key = "sk-xxx"
model = "gpt-5.5"
reasoning_effort = "high"

[omx]
mode = "ralph"
default_plan_model = "gpt-5.5"

引用文件

使用 @文件名或 @文件夹/，支持递归引用整个目录。

MCP 与 Skills

MCP：Codex 默认自动启用所有可用 MCP，无需手动调用。
Skills：使用 $ 触发，例如 $d ee p - in t er v i e w 、$ ralplan、 $t e am 、$ ralph、$ultraqa。

常用 / 命令

/new、/clear：新对话、清空上下文。
/compress：压缩会话。
/init：初始化项目。
/config：查看修改配置。
/model：切换模型。
/effort：设置 reasoning effort（low/medium/high）。
/fast：快速模式。
/hook：管理钩子。
/login、/logout：官方账号登录退出。
/permissions：权限管理。
/plan：生成执行计划。
/goal：设置目标。
/loop：循环执行模式。
/plugin：插件管理。
/restore、/session：会话恢复。
/sandbox：沙盒模式。
/status：当前状态。
/todo：任务管理。
/vim：Vim 模式。
/ps：查看进程。

oh-my-codex（OMX）额外提供了 $r a l pl an （共识规划）、$ team（多 Agent 协同）、$ralph（可视化验证循环）等高级工作流。

6.3 OpenCode：高性能开源编码 Agent

OpenCode 是目前 Stars 最高的开源编码 Agent（16 万+），基于 Go 开发，支持 75+ 模型，提供 TUI 界面和 LSP 支持。

接入模型

Bash

# 方式一
opencode connect

# 方式二（推荐）
opencode login

配置文件（opencode.json）

JSON

{
  "model": "custom",
  "api_base": "https://your-endpoint/v1",
  "api_key": "sk-xxx",
  "temperature": 0.1,
  "max_tokens": 128000,
  "reasoning_effort": "high"
### 6.4 Hermes Agent

Hermes Agent 是 Nous Research 开发的开源 AI 智能体（MIT 许可），本质是「编程 Agent + IM」的组合体。它在 OpenClaw 的基础上进行了彻底重构，专注于自进化能力、稳定性和安全。

#### OpenClaw 与 Hermes 的区别

OpenClaw 是 2026 年初火起来的开源 AI Agent，标志是龙虾，做的事是让 LLM 能干活：工具调用、自动化执行、长期记忆、沙箱、多平台接入。像个开箱即用的数字管家。

两家在本地优先、数据不上云、走即时通讯入口这些方向上一致。分歧在路径：

- **技能来源**：OpenClaw 靠人写（开发者用代码或 Prompt 定义 Skill，稳定可预测，但上限取决于你愿意手写多少）。Hermes 靠涌现（完成复杂任务后自己抽方法存成 Skill，下次直接复用）。
- **记忆方式**：OpenClaw 本质是 RAG，知道信息在哪，需要时去取。Hermes 用分层记忆，额外建了一个用户模型，跨会话记住你的代码风格和技术栈偏好。
- **Token 消耗**：OpenClaw 跨 24 小时任务容易 token 烧完事情只干一半，同样场景早过 10 万 token。Hermes 用户反馈聊很久也能维持在三四万，遇到错误会继续搞到明确成功或失败为止。
- **安全差距**：OpenClaw 增长太快，已披露多个高危 CVE（CVE-2026-25253 的 CVSS 8.8 可一键 RCE），ClawHub 里多次被爆出恶意技能偷凭证。Hermes 更保守，危险操作需人工批准（Tirith 预执行扫描器先检查终端命令），到现在没出现类似的集中高危事件。
- **代码质量**：OpenClaw 的主分支有时直接构建失败，PR 卡 CI、回归 bug 频发。Hermes 核心文件结构干净，CI 投诉远少于 OpenClaw，社区主流评价是「更稳、更注重深度而非广度」。

> 💡 社区主流看法并非替代关系，而是互补：OpenClaw 干活，Hermes 动脑。常见做法是把 Hermes 当规划器挂在 OpenClaw 之上，`hermes claw migrate` 一行命令就能把现有技能、记忆和配置平滑搬过来。

#### 安装接入

安装脚本（Linux / macOS / WSL2 / Android Termux）：

```bash
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

安装后进入 Setup Wizard。如果是从 OpenClaw 迁移，向导会自动检测并列出全部可迁移项（配置、记忆、技能、API 密钥等），确认后一键迁移。

接入自定义模型提供商：

Bash

hermes model

使用方向键选中 Quick setup，按空格勾选后回车。选择自定义提供商，输入 Base URL、API Key 和模型名称。

配置文件位于 ~/.hermes/config.yaml（模型与推理参数）和 ~/.hermes/.env（API Key）：

YAML

# ~/.hermes/config.yaml 示例
model:
  provider: custom
  base_url: https://your-custom-endpoint/v1
  name: claude-sonnet-4-20250514
  max_tokens: 128000
  temperature: 0.1
  reasoning_effort: high

安装与迁移详情参考官方迁移文档：从 OpenClaw 迁移到 Hermes Agent 保姆级教程。

引用文件（@）

直接输入 @文件名 或 @文件夹路径，支持递归引用整个目录。拖拽文件同样生效。

/ 命令与常用指令

Hermes 的 / 命令风格接近 Claude Code，但提示词优化更强：

/skills：列出可用 Skills，选择编号调用（与 OpenCode 流程一致）。
/mcp：管理 MCP Server（同 /skills 选择流程）。
/init：在当前目录初始化项目配置与 AGENTS.md。
/model：切换模型或重新配置提供商。
/effort 或 /thinking：设置推理强度（low/medium/high）。
/variants：生成多个方案对比。
/plan：生成结构化执行计划。
/computer：启用 Computer Use（截图、鼠标、键盘控制）。
/bash：执行终端命令。
/edit：编辑文件。
/browser：浏览器控制与抓取。
/gateway setup：重新配置网关与聊天平台。
/pairing approve <平台> <配对码>：绑定 IM 平台账号。

Computer Use

通过 /computer 激活，支持桌面环境截图、鼠标点击、键盘输入，稳定性优于 OpenClaw。配合长期记忆机制，Hermes 可以跨会话记住操作习惯。

网关与 IM 集成

将网关注册为系统服务后可开机自启：

Bash

hermes gateway setup

支持飞书、Telegram、Discord、Slack 等平台接入。推荐配合 AstrBot 作为常驻机器人使用（详见 AstrBot 章节）。

6.5 Oh My Pi（OMP）

OMP 是 oh-my-codex（OMX）的 Rust 重写版，保留了 OMX 的全部工作流能力（$ralph、$team、$deep-interview、$ultraqa），同时提供：

Rust 原生运行时：内存占用远低于 Node.js 版本，启动速度快 3-5 倍
完整 OMX 生态兼容：.omx/ 目录、$ 命令、Skills、MCP 配置均与 OMX 100% 兼容
LSP/DAP 集成：内置语言服务器协议和调试器支持（OMX 不具备）

💡 官网：https://omp.sh ｜ GitHub：https://github.com/Yeachan-Heo/oh-my-codex（同一仓库，Rust 版在 omp/ 分支）

配置文件修改（自定义 API）

主配置文件位于 ~/.omp/config.toml（或项目内 .omp/config.toml）：

TOML

[default]
provider = "custom"
base_url = "https://your-custom-endpoint/v1"
api_key = "sk-xxx"
model = "gpt-5.5"
reasoning_effort = "high"
temperature = 0.1
max_tokens = 128000

[omx]
mode = "ralph"
default_plan_model = "gpt-5.5"

推理参数修改：直接编辑 [default] 下的 reasoning_effort、temperature 等字段，或运行 omp model 进入交互式配置。

引用文件（@）

使用 @文件名 或 @文件夹/，支持递归引用整个目录。

MCP 与 Skills

OMP 的命令风格与 Codex/OMX 一致，但部分命令使用冒号语法以区分：

/skills: 或 /skills：列出 Skills，选择或直接输入名称调用（OMP 推荐 /skills: 精确匹配）。
/mcp:：管理 MCP Server（同 /skills: 流程）。

常用 / 命令

/init：初始化项目与 AGENTS.md。
/model：切换模型。
/effort：设置 reasoning effort（low/medium/high）。
/variants：生成多个方案对比。
/plan：生成结构化计划（支持 $ralplan 共识规划）。
/goal：设置持久化目标，Agent 循环直到完成。
/compress：压缩上下文。
/status：查看当前状态与 HUD。
/todo：内置任务管理。

特色功能

极致轻量：Rust 实现，内存占用远低于 Node.js 版本。
完整 OMX 工作流支持：$deep-interview → $ralplan → $ralph / $team。
$team：启动多 Agent 协同模式，tmux 并行 Worker 在独立 git worktree 中工作。
$ralph：启动可视化验证循环，不完成不停止。
$ultraqa：对抗性动态 QA 工作流。
HUD 实时监控：omp hud --watch。
持久化状态：.omx/ 目录存储计划、日志、状态，跨会话不丢失。

6.6 AstrBot

AstrBot 是一个轻量、高扩展性的多平台机器人框架（支持 QQ、微信、Telegram、Discord、飞书等），可与 Hermes / OMP 等 Agent 深度集成，实现「聊天即编程」的完整闭环。适合需要长期驻留、接受自然语言指令的场景。

核心特性

多平台统一接入：一套配置同时支持多个 IM 平台。
插件化架构：轻松扩展 Skills 与 MCP。
与 Hermes 深度整合：可作为 Hermes 的前端 IM 层，常驻运行并转发指令。
轻量高效：资源占用低，适合在 VPS 或本地常驻。

安装与配置

Bash

# 安装 AstrBot
pip install astrbot

# 或使用官方脚本
curl -fsSL https://raw.githubusercontent.com/AstrBot/AstrBot/main/install.sh | bash

配置文件示例（config.yaml）：

YAML

bot:
  platforms:
    - type: feishu
      app_id: your_app_id
      app_secret: your_app_secret
    - type: telegram
      token: your_telegram_token

agent:
  backend: hermes   # 或 omp
  endpoint: http://localhost:8080

与 Hermes / OMP 结合使用

Hermes / OMP 启动网关后，AstrBot 通过 WebSocket 或 HTTP 连接。
用户在 IM 中 @机器人或发送消息，即可触发 Agent 执行任务。
结果自动回传到聊天平台，支持长期记忆与 Skill 复用。

常用命令

astrbot start：启动机器人。
astrbot plugin install <name>：安装插件。
astrbot config：编辑配置。
支持 /skills、/mcp 等透传命令直接转发给后端 Agent。

AstrBot 让 Hermes / OMP 从「终端工具」变成「常驻数字员工」，特别适合需要 24/7 响应的场景。

6.7 编码 Agent 增强工具

这类工具不从零造轮子，而是在现有编码 Agent（Claude Code、Codex、OpenCode 等）之上叠加能力层：统一管理 Provider、解锁受限功能、注入子智能体和工作流。

6.7.1 cc-switch：多 CLI 统一管理

一个桌面应用，统一管理 7 个 AI 编码工具的 Provider 配置，告别手动编辑 JSON/TOML/.env。

GitHub: https://github.com/farion1231/cc-switch
Stars: 89K+ | 协议: MIT | 技术栈: Tauri 2 (Rust)
平台: macOS 12+、Windows 10+、Linux（Ubuntu/Debian/Fedora/Arch）

支持的 CLI 工具：

CLI	配置文件
Claude Code	`~/.claude/settings.json`
Claude Desktop	通过本地代理网关（v3.16+）
Codex	`~/.codex/config.toml` + `auth.json`
Gemini CLI	`~/.gemini/.env` + `settings.json`
OpenCode	`~/.config/opencode/opencode.json`
OpenClaw	`~/.openclaw/openclaw.json`
Hermes Agent	`~/.hermes/config.yaml` + `.env`

核心功能：

50+ Provider 预设：AWS Bedrock、NVIDIA NIM、各种中转服务，粘贴 API Key 即可切换
本地代理热切换：处理不同 Provider 的 API 格式转换，支持自动故障转移；Claude Code 支持不重启终端热切换
系统托盘快速切换：不打开主界面，直接从托盘换 Provider
统一 MCP 管理：一个面板管理所有 CLI 的 MCP Server，支持双向同步
统一 Skills 管理：从 GitHub 仓库或 ZIP 一键安装 Skill
Deep Link 协议：ccswitch:// URL 一键导入配置
CLI 版本：cc-switch-cli 提供 TUI + CLI 双模式，适合脚本自动化

安装：

Bash

# macOS
brew install --cask cc-switch
# Windows：从 GitHub Releases 下载 .msi
# Linux：从 GitHub Releases 下载 .deb / .AppImage

6.7.2 oh-my-codex（OMX）：Codex 工作流增强

为 Codex CLI 添加结构化工作流、子智能体编排和持久化状态，让 Codex 从"单次对话"变成"自主开发循环"。

GitHub: https://github.com/Yeachan-Heo/oh-my-codex
Stars: 29K+ | 协议: MIT

核心工作流：

Bash

# 标准路径：访谈 → 计划 → 执行
$deep-interview "把认证模块从 session 迁移到 JWT"
# [回答问题，审核计划]
$ralph "执行已批准的认证迁移计划"

# 并行模式：3 个 worker 并行执行
$team 3:executor "并行执行认证迁移计划"

主要功能：

结构化工作流：$deep-interview（需求澄清）→ $ralplan（计划共识）→ $ralph（单人执行循环）→ $team（多人并行）
tmux 并行 Worker：每个 Worker 在独立 git worktree 中工作，互不干扰
持久化状态：.omx/ 目录存储计划、日志、状态，跨会话不丢失
33 个专业 Agent Prompt：architect、debugger、verifier、researcher 等角色
36 个内置 Skill：TDD、代码审查、战略规划等
HUD 监控：omx hud --watch 实时查看会话状态
Goal 模式：/goal 命令设定持久化目标，Agent 循环直到完成

安装：

Bash

codex plugins add oh-my-codex
# 或
npx oh-my-codex setup

6.7.3 codex++：Codex Desktop 解锁增强

Codex App 的外部增强启动器，通过 CDP 注入解锁受限功能（如 API Key 模式下的插件市场、区域锁定的 Computer Use）。

GitHub: https://github.com/nicepkg/codex++
Stars: 1.1K+（发布 9 天内）

解决问题：Codex Desktop 部分功能按订阅等级或地区锁定（如 Computer Use 仅部分地区可用、API Key 模式无法使用插件市场）。

核心功能：

插件入口解锁：API Key 模式下也能使用插件市场
Computer Use 解锁：为区域锁定用户（如 EU）启用 Computer Use 插件
会话管理增强：真正的会话删除（带确认和撤销）、会话在普通聊天和本地项目间移动
Markdown 导出：带时间戳的对话导出
对话时间线导航：快速跳转到对话历史中的任意节点
Provider Sync：切换 Provider 后保留历史会话的可见性
Codex++ 菜单：在 Codex App 中注入增强菜单

工作原理：不修改 Codex 安装文件，通过 Chromium DevTools Protocol 参数启动 Codex，运行本地辅助服务，向渲染进程注入增强脚本。

⚠️ 注意：codex++ 是社区工具，非 OpenAI 官方。使用前了解风险，且功能可能随 Codex 更新而失效。

6.7.4 Oh My Openagent：OpenCode 增强框架

为 OpenCode 注入子智能体系统、后台代理、AST 工具和 MCP 集成，完全兼容 Claude Code 的 hooks/commands/skills/plugins。

GitHub: https://github.com/code-yeongyu/oh-my-openagent
npm: https://www.npmjs.com/package/oh-my-openagent
官网: https://ohmyopenagent.com

核心功能：

多智能体系统：Hephaestus（编码）、Prometheus（规划）、Oracle（架构/调试）、Librarian（文档/搜索）、Explore（快速代码库检索）、Multimodal Looker
后台代理：多个 Agent 并行运行——GPT 调试时 Claude 尝试不同方案，Gemini 写前端时 Claude 处理后端
AST 工具：重构、重命名、诊断、AST 感知代码搜索
Hash 锚定编辑：LINE#ID 引用在应用前验证内容，零过期行错误
Claude Code 完全兼容：你的 hooks、commands、skills、MCP、plugins 全部直接可用
内置 MCP：websearch（Exa）、context7（文档）、grep_app（GitHub 搜索），运行时自动注入
Skill 内嵌 MCP：Skill 自带 MCP Server，无需额外配置
Ralph Loop：自引用循环，不完成不停止
/init-deep：自动生成层级化 AGENTS.md 文件
Team Mode（v4.0）：tmux 布局中同时监控所有 Agent 成员

安装：

Bash

# 在 opencode.json 中添加插件
{
  "plugins": ["oh-my-openagent"]
}
# 或使用 Claude Code 兼容模式
npx oh-my-openagent setup

6.7.5 Agents Anywhere：跨设备远程控制编码 Agent

从手机控制运行在 Mac/Windows/Linux 上的 Codex、Claude Code 等编码 Agent。代码留在本地设备，手机只是遥控器。

GitHub: https://github.com/anywhere-labs/Agents-Anywhere
Stars: 400+ | 协议: 开源 | 技术栈: FastAPI + Next.js + Android/iOS

解决的问题：Agent 在电脑上跑着，人离开了怎么办？Agents Anywhere 让你用手机查看会话、审批操作、预览文件、打开终端。

功能：

统一会话管理：创建、查看、置顶、归档、接管远程会话
Codex 深度集成：运行时发现、会话同步、时间线更新、审批、中断/接管
Claude Code 基础支持：会话发现和基本控制流（深度能力还在完善）
文件浏览：远程浏览工作区、读写文件、上传下载
远程终端：执行 shell 命令、交互式终端
设备配对：通过 Connector 桌面应用或 CLI 配对 Mac/Windows/Linux
自托管后端：FastAPI + SQLite/PostgreSQL，Docker 一键部署
多客户端：Web 控制台 + Android APK（iOS 开发中）

架构：

Plain Text

手机/Web → FastAPI Server → Connector（本地守护进程）→ Codex/Claude 运行时

支持的 Agent：

Agent	状态	说明
Codex	✅ 完整支持	会话同步、审批、终端、文件访问
Claude Code	✅ 基础支持	会话发现和基本控制，深度能力在完善中
Cursor / OpenCode / Gemini CLI	🔜 即将支持	适配器开发中

快速部署：

Bash

POSTGRES_PASSWORD=change-me \
AGENT_SERVER_SECRET=change-me-too \
docker compose -f docker/docker-compose.postgres.yml up --build
# 访问 http://127.0.0.1:5174

中国区：Beta 服务已上线，免费试用，仅对中国用户开放。加入企微/飞书/QQ 群申请。

2026 年出现了"从手机控制编码 Agent"的赛道，三类产品各有侧重：

维度	Agents Anywhere	Codex Mobile	Claude Code Remote Control
发布方	开源社区	OpenAI 官方	Anthropic 官方
形态	独立 App + 自托管 Server	集成在 ChatGPT App 内	`claude remote-control` + 扫码
支持的 Agent	Codex + Claude（更多开发中）	仅 Codex	仅 Claude Code
Worker 机器	Mac/Windows/Linux	仅 macOS	Mac/Linux/Windows
费用	免费开源，可自托管	免费起（所有 ChatGPT 计划）	需 Claude Pro 或更高
推送审批	✅	✅ 锁屏卡片	✅
模型切换	跟随 Agent 本身	✅ Codex 系列模型	✅ Sonnet/Opus/Haiku
自托管	✅	❌	❌
优势	Agent 无关、开源、自托管	零配置、免费、ChatGPT 生态	Claude 原生、三平台支持

其他竞品：

Omnara：iOS/Android App，专注 Claude Code 远程控制，语音优先
CodeAgent Mobile：支持 Claude Code + Codex + Cursor + Copilot 等多 Agent
vibetunnel：把 Mac 终端代理到浏览器，4.4K Stars，专为看 Agent 输出设计

💡 怎么选：只用 Codex → Codex Mobile 零配置够用。只用 Claude Code → 官方 Remote Control 最方便。两者都用或要自托管 → Agents Anywhere。

6.8 工作流

开源工作流框架让你用代码或可视化界面构建 AI 驱动的自动化管道。2026 年主流方案已从"简单链式调用"进化到"Agentic Workflow"（智能体自主决策工作流）。

6.8.1 LangChain / LangGraph（最成熟的 Agent 框架）

LangChain 负责"搭积木"，LangGraph 负责"搭蓝图"。2026 年两者均已进入 v1.0，是企业级复杂 Agent 的首选。

官网: https://www.langchain.com
GitHub: https://github.com/langchain-ai/langchain （125K+ Stars）
语言: Python / JavaScript | 协议: MIT

具体功能：

LangChain 核心组件：
- LCEL 声明式管道：chain = prompt | llm | parser
- 1000+ 集成（模型、向量库、工具、记忆、评估）
- 高级记忆系统（ConversationBufferWindowMemory、SummaryMemory、EntityMemory）
- 结构化输出（.with_structured_output() + Pydantic）
- Corrective RAG、Self-RAG 等高级检索模式
LangGraph 核心功能：
- StateGraph + add_node / add_edge / add_conditional_edges
- 持久化检查点（Checkpoint）：支持中断、恢复、时间旅行调试
- Human-in-the-Loop：任意节点可暂停等待人工审批
- 并行节点执行：大幅降低多步流程延迟
- Fault Tolerance：内置自动重试、超时控制、错误处理器
LangSmith：全链路追踪、提示优化、离线评估、自动化回归测试
Deep Agents：专为长时间运行任务设计的 Agent harness（规划 → 上下文管理 → 多 Agent 协作）

典型代码示例：

Python

from langgraph.graph import StateGraph, END
from langchain_core.messages import add_messages
from typing import TypedDict, Annotated

class AgentState(TypedDict):
    messages: Annotated[list, add_messages]

workflow = StateGraph(AgentState)
workflow.add_node("research", research_node)    # 研究节点
workflow.add_node("critic", critic_node)        # 评审节点
workflow.add_node("writer", writer_node)        # 写作节点

workflow.add_conditional_edges("research", route_to_next)  # 条件路由
workflow.add_edge("critic", "writer")
workflow.add_edge("writer", END)

# 持久化检查点：支持中断恢复和时间旅行调试
app = workflow.compile(checkpointer=MemorySaver())

真实案例：Klarna 使用 LangGraph 构建客服 Agent，替代 700 名人工客服，节省约 4000 万美元/年。

适用场景：复杂多 Agent 系统、RAG 管道、需要精细状态控制和长期运行的生产级项目。

💡 LangChain vs LangGraph：LangChain 是"积木"（组件/工具），LangGraph 是"蓝图"（流程/控制）。简单任务用 LangChain，需要状态管理和循环的复杂 Agent 用 LangGraph。

6.8.2 n8n（自动化 + AI 的最佳平衡）

拥有 400+ 原生集成节点的可视化工作流平台，2026 年 AI Agent 节点已高度成熟，被称为"自动化领域的瑞士军刀"。

官网: https://n8n.io
GitHub: https://github.com/n8n-io/n8n （194K+ Stars）
语言: TypeScript | 协议: Fair-code

具体功能（2026 版）：

AI Agent 节点：原生集成 LangChain，支持工具调用、记忆、RAG 管道
400+ 集成节点：覆盖 CRM、ERP、数据库、邮件、社交、云存储等几乎所有常用服务
核心 AI 节点：
- AI Agent、Vector Store、Embeddings、LLM Chain、Code（支持 LangChain 代码节点）
- 多模态处理（Gemini、GPT-4o 等图像/视频节点）
强大自动化能力：Webhook、Cron 定时、错误重试、子工作流嵌套
触发机制：Webhook、定时调度、邮件触发、文件监控、消息队列
自托管特性：队列模式、横向扩展、VPC 支持、Docker 一键部署

典型工作流示例：

Plain Text

客户邮件进入 → AI 意图分类 → 自动创建 Jira 工单 → 生成回复邮件 → Slack 通知负责人
PDF 发票上传 → OCR 提取 → LLM 结构化解析 → 写入数据库 → 发送财务通知

定价：自托管完全免费；云版约 €24/月起。

定位：最适合把 AI 能力嵌入现有业务流程的团队。

6.8.3 Dify（最易用的开源 LLM 应用平台）

GitHub 111K+ Stars 的开源 LLM 应用开发平台，主打"可视化 + RAG + Agent"一站式体验，被称为"开源版的 LangChain + Retool"。

官网: https://dify.ai
GitHub: https://github.com/langgenius/dify （111K+ Stars）
语言: Python（FastAPI）+ Next.js | 协议: Apache-2.0

具体功能（2026 最新）：

可视化工作流构建器：DAG 图结构，支持分支、循环、并行执行、代码节点
企业级 RAG 知识库：
- 支持 PDF、Word、Excel、网页等多种格式上传
- 灵活分块策略、可调检索参数
- 内置 Weaviate 向量数据库，也支持 Qdrant、pgvector、Milvus
Agent 编排：内置 ReAct、Plan-and-Execute、Function Calling 等多种 Agent 模板
工具系统：100+ 内置工具 + 自定义工具 + MCP 支持
模型管理：集成数百个 LLM 提供商（OpenAI、Anthropic、Google、本地模型）
可观测性：原生集成 Langfuse、Opik、Arize Phoenix 进行 trace 追踪
团队协作：工作空间、角色权限、审批流、审计日志
插件系统：Dify Marketplace 提供社区插件

快速部署：

Bash

git clone https://github.com/langgenius/dify.git
cd dify/docker
docker compose up -d
# 访问 http://localhost/install 开始配置

定价：自托管免费；云版 $59/月起（有免费层）。

适用场景：快速构建生产级 RAG 应用、内部知识助手、智能客服、报告生成器。

6.9 其他商业工作流平台

商业平台以零代码 + 托管服务为核心，适合非技术人员快速落地 AI 工作流。

6.9.1 Google Opal（自然语言驱动的工作流构建器）

Google Labs 出品，用自然语言描述需求即可自动生成工作流的实验性平台，2026 年已成为 Gemini 生态的重要组件。

官网: https://opal.withgoogle.com
模型: Gemini 3 Flash | 定价: 完全免费（实验性产品）

具体功能：

自然语言生成工作流：输入"帮我做一个 YouTube 视频总结工具"，自动生成完整流程
Agent 步骤（2026.2 重磅更新）：Agent 自主选择工具、模型和路由逻辑，而非固定步骤
持久化记忆：跨会话记住上下文
动态路由：根据自定义逻辑选择不同执行路径
交互式聊天：工作流中可嵌入用户输入节点
多模态原生支持：文本、图片、视频、音频（集成 Veo、Imagen）
模板库 + Remix：可基于他人作品一键修改
一键分享：生成公开链接，无需部署

典型案例：输入"YouTube 视频链接"→ 自动总结内容 → 生成美观网页 → 输出分享链接。

定位：极致易用，适合快速原型验证和个人/小团队轻量工具开发。

6.9.2 Coze（扣子）：字节跳动 AI Bot 工厂

国内最成熟的零代码 AI 智能体开发平台，强调"快速搭建 + 多平台发布"。

官网: https://www.coze.com（国际版）/ https://www.coze.cn（国内版）
母公司: 字节跳动 | 定价: 免费层可用，Pro 约 $9/月

具体功能：

可视化工作流编排：拖拽式构建，支持循环、条件分支、并行、代码节点、变量管理
知识库：多格式文档自动向量化，支持分段策略和 RAG 检索增强
插件系统：100+ 官方插件 + 社区技能商店
长期记忆：Bot 可跨对话记住用户偏好和历史信息
多渠道发布：一键发布到飞书、微信、Discord、Telegram、网页等多平台
多模型支持：GPT-4、Claude、Gemini、豆包等
内置数据库：KV 数据库，工作流可读写结构化数据
扣子空间（企业版）：团队协作、权限管理、企业知识库、VPC 私网连接

与 Dify 的区别：

维度	Coze（扣子）	Dify
定位	Bot 构建 + 发布平台	LLM 应用开发平台
上手门槛	极低，面向非技术用户	低，但开发者更友好
发布渠道	多平台一键发布	API + Web 嵌入
自托管	❌ 仅 SaaS	✅ 开源自托管
国内生态	✅ 飞书/微信/抖音	✅ 但需自建渠道

优势：国内生态极佳，上手门槛极低，特别适合要做 IM 机器人或内部工具的团队。

6.9.3 ChatGPT GPTs / Custom Actions

OpenAI 官方自定义 GPT 生态，通过知识上传 + Actions（API 连接）打造专属助手。

2026 现状：

Custom GPTs：上传文件作为知识库、设定严格指令、固定人格
Actions：通过 OpenAPI Schema 连接外部服务（功能已被弱化，但仍可使用）
GPT Store：支持发布和商业变现
Code Interpreter + Advanced Data Analysis：GPT 内执行 Python 代码，处理数据和文件

局限性：

Actions 调试困难，错误处理有限
不支持可视化工作流编排（相比 Coze/Dify/n8n）
数据隐私依赖 OpenAI 平台

💡 定位：更像是"带知识的增强版个人助手"，而非工作流平台。适合个人快速定制，不适合企业级自动化。

6.9.4 其他值得关注

平台	特点	适合场景
Zapier AI	7000+ 应用集成，AI 增强自动化	业务流程自动化（非 AI 原生）
Make（Integromat）	可视化场景构建，复杂逻辑支持	多步骤跨应用自动化
FastGPT	国产开源，知识库 + 工作流	中文场景 RAG 应用
Flowise	LangChain 可视化前端，自托管	开发者快速原型
Voiceflow	语音 + 聊天 Bot 设计	客服/语音助手场景

6.9.5 如何选择工作流平台？

💡 趋势：2026 年的方向是"Agentic Workflow"——不再是固定的 if-else 流程，而是 Agent 根据目标、上下文和可用工具自主规划执行路径。Google Opal 的 Agent 步骤、Coze 的工作流节点、Dify 的 Agent 节点、LangGraph 的状态图都在朝这个方向演进。

7. Codex 常见问题与解决方案

7.1 HTTP 状态码错误

7.1.1 413 Request Entity Too Large（请求实体过大）

错误信息：

Plain Text

unexpected status 413 Payload Too Large: <html>
<head><title>413 Request Entity Too Large</title></head>
<body>
<center><h1>413 Request Entity Too Large</h1></center>
<hr><center>openresty</center>
</body>
</html>, url: https://api.xxxx.xyz/responses, cf-ray: axxxxxxxxxx-NRT

原因：单次请求的 Token 数量过多（上下文 + 文件 + 图片），或一次性上传大量文件/图片。中转站通常有更严格的请求大小限制。

解决方案：

压缩上下文：使用 /compress 命令压缩当前会话
减少历史消息：使用 /new 或 /clear 开启新对话
分批处理：避免一次性发送多张图片或大文件
检查中转站限制：如果使用中转站，确认其单请求大小限制

7.1.2 403 Forbidden（禁止访问）

错误信息：

JSON

{"code":"INSUFFICIENT_BALANCE","message":"Insufficient account balance"}

原因：

余额不足（最常见）
地区/IP 不支持（中国大陆常见）
权限问题（模型未授权、组织限制）
中转/代理认证失败

解决方案：

余额不足：立即充值
检查 API Key：确认 Key 正确、未过期、匹配当前组织
地区限制：使用支持地区的代理/VPN（注意合规）
重新登录：运行 codex auth login 重新认证
确认模型权限：部分高级模型需单独申请

7.1.3 503 Service Unavailable（服务不可用）

错误信息：

Plain Text

The engine is currently overloaded, please try again later.

原因：OpenAI 服务器高负载、维护中、模型容量不足，或中转站后端问题。

解决方案：

等待重试：等待 10-60 秒后重试（使用 exponential backoff）
切换模型：从高负载模型换成更稳定的模型
检查状态页：访问 status.openai.com 查看服务状态
更换中转站：如果使用中转站，换一个节点或降低请求频率

7.1.4 429 Too Many Requests（请求过多）

错误信息：

Plain Text

Rate limit reached
You exceeded your current quota
tokens_exceeded_error

原因：超过 RPM（每分钟请求）、TPM（每分钟 Token）、每日/每周配额，或会话限制。

解决方案：

实现指数退避：使用 exponential backoff 重试机制
减少请求频率：缩短上下文，减少调用次数
检查使用量：访问 platform.openai.com/usage 查看配额
注意会话上限：Codex 有每 3 小时消息数限制

7.1.5 401 Unauthorized / Invalid Authentication（认证失败）

错误信息：

Plain Text

Incorrect API key provided
Invalid Authentication

原因：API Key 错误、过期、复制不完整、组织不匹配、缓存问题。

解决方案：

重新生成 Key：访问 platform.openai.com/settings/organization/api-keys
清除缓存：清除浏览器/客户端缓存
检查配置：确认环境变量或配置文件中的 Key 正确
检查组织 ID：确认是否需要组织 ID

7.1.6 400 Bad Request（请求无效）

错误信息：

Plain Text

context_length_exceeded
invalid_request_error
OperationNotSupported

原因：

上下文长度超过模型限制
参数错误（model 名拼错、temperature 范围错）
JSON 格式无效

解决方案：

缩短 prompt：使用更长上下文模型（如支持 128k+ 的模型）
检查参数：参考官方 API 文档验证请求体
验证 JSON：检查格式和必填字段

7.1.7 其他常见错误

错误代码	原因	解决方案
500	服务器内部错误	等待后重试，或切换模型
402	账号欠费或需要升级计划	充值或升级账号
404	模型不存在或 endpoint 错误	检查 model 名称和 API 地址
Timeout / 408	请求超时	增加超时设置、简化 prompt
Moderation	内容被安全过滤	修改 prompt 避免敏感词

7.2 内容安全与使用限制

7.2.1 Cyber Abuse 警告

什么是 Cyber Abuse？

OpenAI（ChatGPT、Codex 等）的使用政策中明确禁止 Cyber Abuse。定义如下：

"Cyber Abuse" means unauthorized access, exploitation, credential theft, data exfiltration, malware or destructive capabilities, social engineering, evasion, lateral movement, denial-of-service activity, or assistance to any sanctioned entities or identified malicious cyber actors.

简单翻译：禁止使用 GPT 协助进行网络攻击或恶意网络行为，包括：

黑客攻击（未经授权访问系统）
凭证窃取 / 撞库
制作恶意软件（malware）
社会工程学（钓鱼、社会操纵）
DDoS、数据窃取、横向移动等
帮助恶意黑客

例外：允许防御性、研究、教育、红队测试（red teaming）、漏洞分析等合法安全研究，只要不造成实际伤害、不针对真实系统未经授权使用。

为什么会触发警告？

你询问了编写 exploit、payload、钓鱼邮件、破解方法、恶意脚本等内容
即使是"学习目的"，GPT 的安全过滤器（moderation）也会检测到高风险关键词并发出警告或拒绝
多次触发可能导致账号被限流、警告邮件，甚至临时/永久封禁

如何避免：

明确说明是学习/研究目的
避免请求具体的攻击代码
使用防御性安全研究的表述方式
遵守 OpenAI 使用政策

7.3 最佳实践

7.3.1 上下文管理

定期压缩：长会话使用 /compress 命令
分批处理：大任务拆分成多个小会话
清理历史：定期使用 /new 开启新对话
避免重复：不要重复发送相同内容

7.3.2 错误处理

实现重试机制：对临时性错误（503、429）使用指数退避
监控配额：定期检查使用量，避免意外超限
备份 API Key：准备多个 Key 以备不时之需
记录错误：记录错误信息便于排查

7.3.3 安全建议

保护 Key：不要在代码中硬编码 API Key
使用环境变量：通过环境变量或配置文件管理 Key
定期轮换：定期更换 API Key
监控使用：设置使用量告警，防止异常消耗

Agent ​

1. Function Calling ​

1.1 什么是 Function Calling ​

1.2 工具类型 ​

Client Tools（客户端工具） ​

Server Tools（服务端工具） ​

1.3 OpenAI Function Calling ​

1.4 工具设计最佳实践 ​

1.5 常用 MCP Server ​

1.5.1 Tavily MCP — AI 搜索 ​

1.5.2 Context7 — 实时文档查询 ​

1.5.3 MarkItDown MCP — 文档转 Markdown ​

1.5.4 Chrome DevTools MCP — 浏览器调试 ​

1.5.5 Firecrawl MCP — 网页抓取与爬取 ​

1.5.6 Playwright MCP — 浏览器自动化 ​

1.5.7 推荐资源：Awesome-MCP-ZH ​

2. Skills ​

2.1 什么是 Skills ​

2.2 Skill 结构 ​

2.3 使用 Skills ​

Claude API ​

Claude Code ​

2.4 预置 Agent Skills ​

2.5 Skills 的价值 ​

2.6 Skills 分类与推荐 ​

2.6.1 代码工程类 ​

2.6.2 写作与去 AI 味类 ​

2.6.3 学术研究类 ​

2.6.4 领域专业类 ​

2.6.5 知识管理类 ​

2.6.6 MCP + Skills 结合 ​

2.6.7 社区资源索引 ​

3. RAG（检索增强生成） ​

3.1 什么是 RAG ​

3.2 RAG 的核心流程 ​

3.3 RAG vs 微调 vs 长上下文 ​

3.4 RAG 的关键组件 ​

3.5 RAG 的演进方向 ​

4. AGENTS.md ​

4.1 什么是 AGENTS.md ​

4.2 为什么需要 AGENTS.md ​

4.3 基本格式 ​

4.4 哪些工具支持 AGENTS.md ​

4.5 AGENTS.md vs 其他配置文件 ​

5. 四大工程 ​

5.1 总览：从"会说话"到"会干活" ​

5.2 Prompt Engineering（提示词工程） ​

5.2.1 核心原则 ​

5.2.2 消息角色 ​

5.2.3 Few-shot Learning ​

5.2.4 GPT-5.5 vs Reasoning Models ​

5.3 Context Engineering（上下文工程） ​

5.3.1 为什么需要 Context Engineering ​

5.3.2 最小化高信号 Token 集 ​

5.3.3 Just-in-Time Context Retrieval ​

5.3.4 长时程任务的上下文策略 ​

5.4 Harness Engineering（驾驭工程） ​

5.4.1 什么是 Harness ​

5.4.2 知识库即代码 ​

5.4.3 Anthropic 的双Agent架构 ​

5.5 Loop Engineering（循环工程） ​

5.5.1 什么是 Loop Engineering ​

5.5.2 常见 Loop 模式 ​

5.5.3 OpenAI Codex 的自主循环 ​

5.5.4 Anthropic 的生成-评估循环 ​

5.6 四大工程的关系 ​

5.7 一切技术的本质 ​

6. Agent 工具 ​

6.1 Claude Code：Anthropic 官方编码 Agent ​

配置文件修改 ​

关闭首次安装强制登录 ​

推理参数调整 ​

引用文件与工具调用 ​

常用 / 命令 ​

6.2 Codex：OpenAI 官方编码 Agent + oh-my-codex（OMX） ​

配置文件（config.toml） ​

引用文件 ​

MCP 与 Skills ​

常用 / 命令 ​

6.3 OpenCode：高性能开源编码 Agent ​

Agent

1. Function Calling

1.1 什么是 Function Calling

1.2 工具类型

Client Tools（客户端工具）

Server Tools（服务端工具）

1.3 OpenAI Function Calling

1.4 工具设计最佳实践

1.5 常用 MCP Server

1.5.1 Tavily MCP — AI 搜索

1.5.2 Context7 — 实时文档查询

1.5.3 MarkItDown MCP — 文档转 Markdown

1.5.4 Chrome DevTools MCP — 浏览器调试

1.5.5 Firecrawl MCP — 网页抓取与爬取

1.5.6 Playwright MCP — 浏览器自动化

1.5.7 推荐资源：Awesome-MCP-ZH

2. Skills

2.1 什么是 Skills

2.2 Skill 结构

2.3 使用 Skills

Claude API

Claude Code

2.4 预置 Agent Skills

2.5 Skills 的价值

2.6 Skills 分类与推荐

2.6.1 代码工程类

2.6.2 写作与去 AI 味类

2.6.3 学术研究类

2.6.4 领域专业类

2.6.5 知识管理类

2.6.6 MCP + Skills 结合

2.6.7 社区资源索引

3. RAG（检索增强生成）

3.1 什么是 RAG

3.2 RAG 的核心流程

3.3 RAG vs 微调 vs 长上下文

3.4 RAG 的关键组件

3.5 RAG 的演进方向

4. AGENTS.md

4.1 什么是 AGENTS.md

4.2 为什么需要 AGENTS.md

4.3 基本格式

4.4 哪些工具支持 AGENTS.md

4.5 AGENTS.md vs 其他配置文件

5. 四大工程

5.1 总览：从"会说话"到"会干活"

5.2 Prompt Engineering（提示词工程）

5.2.1 核心原则

5.2.2 消息角色

5.2.3 Few-shot Learning

5.2.4 GPT-5.5 vs Reasoning Models

5.3 Context Engineering（上下文工程）

5.3.1 为什么需要 Context Engineering

5.3.2 最小化高信号 Token 集

5.3.3 Just-in-Time Context Retrieval

5.3.4 长时程任务的上下文策略

5.4 Harness Engineering（驾驭工程）

5.4.1 什么是 Harness

5.4.2 知识库即代码

5.4.3 Anthropic 的双Agent架构

5.5 Loop Engineering（循环工程）

5.5.1 什么是 Loop Engineering

5.5.2 常见 Loop 模式

5.5.3 OpenAI Codex 的自主循环

5.5.4 Anthropic 的生成-评估循环

5.6 四大工程的关系

5.7 一切技术的本质

6. Agent 工具

6.1 Claude Code：Anthropic 官方编码 Agent

配置文件修改

关闭首次安装强制登录

推理参数调整

引用文件与工具调用

常用 / 命令

6.2 Codex：OpenAI 官方编码 Agent + oh-my-codex（OMX）

配置文件（config.toml）

引用文件

MCP 与 Skills

常用 / 命令

6.3 OpenCode：高性能开源编码 Agent