AGI技巧

从零搭建一个能真正浏览网页的 Web Agent：DuckDuckGo 搜索 + 页面抓取 + LangGraph 执行图。重点讲三个工程 Guard

用 30 轮合成对话 + 4 个早期决策召回测试，量化对比三种上下文管理策略：Naive（全量历史）/ Sliding Window（截断）/ Rolling Summary（滚动摘要）。

用三类测试（功能测试 19 个 / 对抗测试 17 个 / 混沌测试 9 个）验证第 20 篇的 Harness 包。重点分享两个测试驱动发现的真实 bug——两个注入检测正则漏洞

AI Skill 的质量管理，本质上和 ML 模型评估是同一个问题——需要固定基准、可比较的数字、执行与评分的严格分离。本文从概念设计层面完整梳理 Skill 与 Workflow 的评测体系

把 Article 19 的单文件 Harness 拆成可复用的 Python 包：registry / budget / sandbox / audit / rollback / harness

当企业 AI 平台积累了几十上百个 Skill 之后，真正的问题才开始暴露：质量无保障、边界模糊、接口混乱、Token 管理各自为政、大量重复开发。本文剖析五个系统性问题的根因，以及对应的治理方向

从入门的五要素到完整的 8 层框架：最小权限、动作注册表、权限预算、执行沙箱、人工检查点、不可篡改审计日志、回滚协调器、威胁模型。四个对抗场景揭示三个反直觉结论：工具范围限制是软防御、预算在审批前扣除

大多数企业在推进 AI 提效时，本质上只是在用 AI 替代人做每一个步骤。这不是 AI-Native，这是 AI 平移。本文提出四个判断测试，帮你识别真正的 AI-Native Workflow

Agent 的成本大头在哪里？本文用四个对比实验覆盖核心优化策略：系统提示 Token 成本拆解（含 Prompt Caching 原理）、模型路由（直接 LLM vs 完整 Agent）等

本文用实验覆盖 Harness Engineering 五要素：Action Space、Human Checkpoint、Execution Boundary、Audit Log、Rollback

工具设计不是给人看的，是给 LLM 看的。本文用三个对比实验覆盖工具设计的核心原则：描述质量影响工具选择（但有反直觉的前提条件）、raise 异常 vs 返回错误字符串的实测差异、以及粗粒度 omni

企业级软件系统往往横跨十几个独立仓库、多种技术栈。当 AI Agent 收到一个任务时，第一步"找到正确的代码"就已经是个工程难题。本文系统梳理三个递进层次的挑战，以及结构化方案

last30days 并不是另一个普通的搜索引擎。它是一个由 AI Agent 驱动的、基于真实用户互动（点赞、投赞成票、金钱下注）的洞察工具，能够跨越 Reddit、X、YouTube 等封闭平台

gent 的记忆不只是"存对话历史"。本文拆解三层记忆架构：短期记忆（MemorySaver 保持会话内上下文）、长期记忆（跨会话用户事实存储与注入）、历史压缩（token 守卫）。

Agent 的决策过程天然不透明：为什么它调了三次工具？延迟来自哪里？生产环境里它出错了怎么复现？本文用 LangChain BaseCallbackHandler 实现三种可观测性模式

Agent 的攻击面比普通 LLM 大得多：提示词注入可以绕过角色限制，工具参数可以注入代码，输出可以意外泄露敏感数据。本文用三个可运行 Demo 覆盖三条攻击链进行实测

Agent 不是普通函数，传统软件测试不够用。本文拆解 Agent 评估的三个维度：能力（工具调用准确率 + 任务完成率）、效率（步骤数 + Token 消耗 + 延迟）、鲁棒性（边缘用例 + 对抗

深入解析 A2A（Agent-to-Agent）协议的定位与实现——它解决的不是 Agent 调工具，而是 Agent 委托给 Agent。包含三个可运行 Demo

深入解析 Model Context Protocol（MCP）解决的核心问题：工具生态的标准化。包含三个可运行 Demo来对比和解析三种工具调用方法的优劣

深度解析多 Agent 的两种核心架构模式：Supervisor（LLM 分类 + 确定性路由）与 Pipeline（固定线性链）。包含三个可运行的 LangGraph Demo，实测对比效果