2026年11月的文章 第6页
14. 章末自测
为什么质量不合格时仍可能得到 completed?区分运行生命周期与业务结论。 为什么不能直接平均每行 eCPM?说明曝光量权重。 为什么两个非空查询不够?它们可能缺乏比较窗口、分组或有效引用。 为...
实战二:从 0 打造 Data Analysis Agent
本章定位:从基础演示到收入分析毕业实战 本章讲 Data Analysis Agent。先用两日收入数据理解多轮查询,再用固定的多维案例检查分析证据,最后导入自己的 CSV 或 SQLite。三个页面复用同一服务...
章末自测
题目 1:为什么 Coding Agent 进入陌生项目以后应该优先扫描 Workspace 和读取 AGENTS.md,而不是直接修改代码? 因为陌生项目的目录结构、测试方式、运行版本和修改约束都未知。直接改代码意味...
案例分析二:如果第一次修改没修好,Coding Agent 应该如何恢复而不是乱改?
场景背景 Agent 认为问题在: service.py 修改以后: pytest -q 仍然失败。 新的错误: TypeError 已经不同。 错误做法 模型说: 继续修改 service.py。 然后反复改。 正确做法 Agent 应该识别...
案例分析一:一个陌生 Python 项目如何被 Coding Agent 自动修复?
场景背景 项目: workspace/ ├── AGENTS.md ├── calculator.py └── tests/ └── test_calculator.py Bug: def add(a, b): return a - b 用户,“修复当前 pytest 失败。” Step 1:...
小节六:用 Flask 把 Coding Agent 变成服务——从脚本变成可以被前端和其他系统调用的 Backend
当 Agent 从本地脚本走向服务化,重点就不只是“能跑”,而是请求怎么进来、Run 怎么创建、后台怎么执行、状态怎么流转、结果怎么返回。下面这张图把 Flask 接口、Run 生命周期和结果存储串成了...
小节五:把 Trace、Memory 和 Completion Gate 接进来——一个能改代码的 Agent 还不够
很多同学做到这里,会把注意力全放在“能不能改代码”上。但工程里真正决定系统能不能长期用的,往往是另外三件事:有没有 Trace 能复盘,有没有 Memory 能承接上下文,有没有 Completion Gate ...
小节四:实现一个最小可运行 Coding Agent——不用真实 Provider 也能先把 Harness 跑通
这一节更像是把前面讲的抽象概念真正落到一个最小 Demo 上。目录结构、Agent、Tools、Workspace、pytest 和 Observation 是怎么串起来的,光看代码有时候会有点散,先看一眼下面这张结构图,会...
小节三:Coding Agent Main Loop 怎么跑——真正的核心永远是 Observation 驱动下一步
如果只记住这一章一个核心点,那我更希望你记住这一句:Observation 驱动下一步。Agent 不是一次性把 Patch 生成出来就结束了,而是要在“上下文 → LLM → 行动 → 工具 → Observation”的循...
小节二:Tool Registry 怎么设计——Coding Agent 需要的是“窄而可靠”的 Tool,而不是万能 Shell
这里建议大家把重点放在“可控”两个字上。Tool 不是越多越好,也不是给一个万能 Shell 就算完事。真正好用的 Tool Registry,一定是参数可校验、权限可限制、执行可审计。下面这张图把“窄而可...









