AI Agent 全栈开发

第14章：DAG 工作流：解开任务的“死结” 上一章我们讲了多 Agent 编排的基础：要么大家排队做（串行），要么大家一起上（并行）。 但在现实世界中，大部分商业任务既不是单纯的“一条线”，也不是单

第12章：编排基础：从“独狼”到“狼群战术” 前几章我们把 单 Agent 打磨到了极致：它会规划（Planning）、会反思（Reflection）、会慢思考（CoT）。 看起来它已经无所不能了？

第11章：Reflection 模式：让 Agent 学会“照镜子” 想象一下，你让 Agent 写一段 Python 代码。 第一次运行，它报错了。 Agent 对此一无所知，直接把这段报错的代码扔

第10章：Planning 模式：Agent 的战略指挥部 想象这样一个场景： 你招了一个实习生，让他 “研究一下特斯拉、比亚迪和 Rivian 三家公司的竞争格局” 。 实习生 A（没规划） ： 打

第9章：记忆架构——RAG 系统 你让 Agent 帮你研究了一周的技术方案。 每天都在聊，讨论了几十个细节。你们对比了 MySQL 和 PostgreSQL 的优劣，讨论了缓存策略，甚至争论过变量命

第 8 章：上下文窗口管理——Agent 的“工作台”整理术 你让 Agent 帮你调试一个生产事故。 对话进行了 50 轮，它终于通过日志定位到是数据库连接池配置不对。 这时你追问了一句：“那你觉得

第7章：Hooks 与事件系统 很多开发者的 Agent 之旅是这样结束的： 在本地开发时，看着屏幕上跳动的文字觉得很酷。 一旦部署上线，面对用户的投诉：“它怎么卡住了？”、“它为什么乱说话？”、“它

第 6 章：从“万能工”到“专家团”——Skill 技能系统与角色定义 6.1 核心痛点：瑞士军刀的尴尬 在前几章，我们解决了工具调用（手脚）和 MCP 互联（接口）的问题。现在，你的 Agent 拥

第 5 章：Agent 的“USB 时刻”——MCP 协议与生态互联 4.1 核心冲突：数字世界的"巴别塔" 在 2024 年以前，Agent 开发者面临的是一个碎片化到极致的世界。如果你想开发一个能

第 4 章：工具调用基础——让 LLM 走出“缸中之脑” 4.1 核心痛点：全知全能的"局限性" 哲学上有一个思想实验叫缸中之脑：一个大脑即使能思考整个宇宙，如果无法感知当下的温度，也无法改变任何现实

第 2 章：ReAct 循环 —— Agent 的心脏 如果说 LLM（大语言模型）是 Agent 的大脑，那么 ReAct (Reasoning + Acting) 就是它的心跳。

Agent 开发的第一性原理：结构化工程 (Structured Engineering) 1. 痛点：LLM 的“话唠”属性 vs 程序的“严谨”需求 在 Agent 开发的早期，开发者最头疼的问题

[Day 01] 第 1 章：Agent 的本质 - 你的 AI 为什么需要"手脚"？ 1. 一个真实的痛点：Chatbot 的局限性 你跟 ChatGPT 聊过天吗？它很聪明，几乎什么都能答。但有个