芋圆ai

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 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 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

[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

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

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。