排序
案例分析一：Coding Agent 为什么必须保存 State——一次中断后还能不能继续？
场景背景 假设我们的 Coding Agent 正在执行，“修复项目启动错误，并验证测试。” 它已经完成： Step 1：list_files Step 2：read_file('src/main.py') Step 3：read_file('requirements.txt')...
6小时前
案例分析二：Data Analysis Agent 状态混乱，为什么会重复查同一条 SQL？
场景背景 一个 Data Analysis Agent 接到任务，“为什么昨天收入下降？” Agent 先查： 总收入 再查： 按媒体拆分 发现： media_B 异常 接着应该继续： 查 media_B 的请求、曝光、eCPM 问题矛盾...
6小时前
小节一：从“一次调用”到“循环调用”——Agent 真正开始出现的那一刻
我们先从最简单的 LLM 应用开始。 假设现在有一个函数： def chat(prompt: str) -> str: return '模型回答' 用户输入一句话，我们调用一次模型，然后直接返回答案。 这种结构可以完成很多任务：...
8小时前
案例分析一：从“文件不存在”到找到真实入口——Main Loop 如何让 Agent 自己改路径？
场景背景 假设我们要做 Coding Agent 的一个最小能力，找到 Python 项目的入口文件。 最开始模型根据常见经验认为入口是： app.py 如果这是固定 Workflow： read app.py ↓ 运行 app.py ↓ 结束...
8小时前
小节四：把确定的步骤固定下来，让 Agent 处理需要探索的部分
学到这里，很容易走向另一个极端，“既然 Agent 能动态决策，那以后所有 Workflow 都可以不要了。” 这恰恰是很多 Agent Demo 一进入生产就出问题的原因。 真正靠谱的做法通常是，确定的事情写...
9小时前
小节三：为什么 Agent 能连续完成多步任务——关键不是“规划能力”，而是反馈驱动
很多人第一次看 Agent 会觉得，“是不是因为现在大模型特别会规划，所以才能连续做几十步？” 规划能力当然有帮助。 但 Main Loop 更基础。 即使模型没有先生成完整计划，只要它能做到： 看当前...
8小时前
小节二：Reason、Action、Observation——Agent 的三段式闭环到底在发生什么？
现在我们把 Main Loop 拆成三个最重要的阶段。 Reason ↓ Action ↓ Observation ↓ Reason 把三段职责拆开后，信息在循环里的流向会直观得多：Reason 负责选择，Action 负责把意图结构化，Obse...
8小时前
小节四：State、Memory、Session、Trace 到底怎么区分——别把所有东西都塞进一个大字典
学到这里，很容易出现一个新问题，“既然 State 什么都能放，那 Memory、Session、Trace 还有什么意义？” 这是非常好的问题。 如果这个边界没想清楚，后面项目会出现一个巨大对象： state = { ...
6小时前
章末自测
题目 1：为什么“LLM + 三个工具”不一定是 Agent？ 某系统接入了一个大模型，并提供“查天气”“计算器”“网页搜索”三个工具。程序固定规定：每次请求都先搜索网页，再查天气，最后调用计算...
8小时前
小节二：为什么不直接从 LangChain 开始？我们不是反框架，而是先把“黑盒”拆开
这里先把一个容易误解的地方说清楚。 这门课不是要证明，“LangChain 不好。” 也不是说，“真正厉害的人就应该全部手写，不能用框架。” 这种说法没有意义。 框架的价值非常明确：它帮我们抽象...
12小时前
