Pinned Tweet
做AI Agent已经半年了,从最初的懵懂到现在可以交付生产级的Agent。在这个过程中,对Agent的理解逐渐加深。
现在回看,对Agent理解的一个转折点是在微信公众号上看了不少“三元同学”写的文章,逐渐对上下文等概念有了清晰的理解。后来,买了她在Sitor上面的课程,系统学习了Agent。在这些基础打牢后,现在吸收理解包括AI Inference,Agent评测这些知识就更容易了,也是体会一把知识的飞轮。
如果大家对AI Agent感兴趣,可以在公众号上关注“三元同学”,下面附一些我感觉不错的文章:
1.mp.weixin.qq.com/s/h5QyZ07G7…
2. mp.weixin.qq.com/s/ViQU8mCuL…
3. mp.weixin.qq.com/s/N1WgUN8dd…
对AI感兴趣的朋友可以多交流交流。
学Agent Infra的朋友们可以看看这个网站,是我见过的讲System Design 最好的教程之一。它把相关的概念用非常浅显易懂的方式呈现了出来。
System Design是设计稳定Agent Infra的重要一环,同时,也是面试高级职位必考项。所以,学好这块很重要。
Understanding system design helps you build better apps, even when vibe coding.
Better architecture decisions. Better AI prompts. Fewer surprises when your app grows.
So I built an interactive app to learn system design visually.
designed-to-scale.vercel.app
Jerry Fang retweeted
I have a lot of respect for @modal and @e2b. Both have really good infrastructure, and Modal especially has moved very fast. They're growing as very strong businesses, competing on product quality, not price.
The real question is what happens when your customers scale. Can you spin up thousands of sandboxes in seconds and keep p99 latency low and availability high? That's where the engineering quality behind sandbox companies shows.
I don't want @instabox_sh competing on being the cheapest as our main value prop. The YC founders I talk to care about reliability, performance, and whether the infrastructure can scale with them. Saving a few dollars isn't going to change their mind.
For us, working with customers has meant finding needs beyond a basic CPU sandbox. An agent running tests, using native macOS apps, or doing GPU work can need very different environments. We're building InstaBox around those workloads and what customers need to run them well.
I'd much rather have developers try the products and decide for themselves than watch founders fight on X. I want people choosing us because the product is really good. May the best product(s) win.
My take on the state of sandbox twitter right now:
- This is not a commodity product (yet!). There are still huge differences between providers, and there's only a handful you can really scale a business on (we're happy customers of both @modal and @e2b)
- Price is a terrible differentiator for start-ups in this market. If you are AWS/GCP/Azure, please try to clone the market leaders at half the price. You'll do great. For anyone else, it is a losing game.
- I do not know if picking fights on Twitter is a winning GTM strategy, but I really hope it's not. One of my favorite things about devtools is that (more than most markets) the best products win. I hope this stays true.
对于想了解、入门Agent Infra的朋友们,我在看了全球近20家主流AI公司(包括OpenAI, Anthropic,阿里,字节等)招聘Agent Infra的JD,总结了下面的核心技能清单(包括需要学习什么,和如何验收),欢迎收藏、保存,我也会继续分享在这个领域的学习心得:
1.执行循环与工具契约
学:Tool Calling、结构化参数、上下文与状态的边界、步数和 token 预算。
验收:亲手写一条最小循环,用模拟模型覆盖无效参数、工具失败和重复调用触发上限。每份诊断都有日志行号或缺失证据说明。
2.异步 Run API 与进度流
学:Run 状态机、异步提交、取消语义、事件游标及 SSE。
验收:客户端提交后拿到 run_id,断线后用事件序号继续读取。重复收到事件时能去重,取消后运行进入可解释的终态。
3.持久执行与副作用幂等
学:PostgreSQL 事务和唯一约束、checkpoint、可重试错误、至少一次交付、工具副作用的去重边界。
验收:在草稿写入后、任务确认前终止进程。恢复后数据库只保留一份草稿,并能指出哪一层保证了去重。给非事务型外部工具写出幂等键或对账设计。
4.分布式调度与故障转移
学:任务原子领取、租约、心跳、过期执行者的写入控制、退避与背压。
验收:用两个独立 worker 和共享任务存储模拟崩溃与超时。B 接手后,恢复的 A 无法覆盖终态。压测时记录队列等待、并发峰值、重试数与恢复时间,并明确并发上限是单 worker 还是全局。
5.租户身份、工具权限与审计
学:用户与 Run 身份绑定、资源级授权、最小权限、短期凭据、工具审批和审计。
验收:虚构租户 A 发起的运行只能读 A 的日志,日志里的操作指令无法改变授权。模拟一次写操作审批和一次拒绝,审计能串起身份、资源、决定和 Run。
6.执行沙箱与生命周期
学:进程和文件系统隔离、namespace、cgroups、seccomp 的职责,容器共享宿主内核的边界,网络出口和清理。
验收:让可信测试脚本在临时隔离环境里处理当前任务的只读日志。验证凭据未被注入、测试网络被拒绝、资源和时长受限,退出后资源可回收。
7.可观测与线上排障
学:OpenTelemetry trace 跨 API、队列和 worker 的上下文传播,结构化日志和指标。验收:注入排队、工具超时和模型限流三种故障,用同一个 run_id 定位到具体阶段。报告 p95 排队/执行耗时、恢复时间、任务完成率和每个成功任务的成本。
8.离线评测与 CI 回归
学:固定数据集、确定性断言、轨迹回放、结果评分与失败归因。
验收:用原计划的 20 个有标准答案的任务,留一半作版本对比。分别报告根因、证据、证据不足处理、时延和成本。模拟工具错误与真实模型波动分别留记录,给出上线或回退结论。
9.平台交付与设计表达
学:控制面与执行面的职责、容器交付、配置和契约版本、回滚、容量与 SLO。
验收:一条命令启动 API、两个 worker、数据库;画出提交、授权、调度、沙箱、存储和事件流。写清部署方式、观测到的瓶颈、回滚对在途任务的影响,以及下一步扩容条件。
在构建 Personal Agent、办公助理这类常驻 Agent 时,一个关键问题是:它什么时候开始工作,以及如何在多次运行之间接续任务?
Anthropic 最近发布的《Building always-on agents》给出了一套清晰的架构。它的核心思路是:常驻 Agent 大部分时间处于休眠状态,由事件唤醒,完成工作、保存状态后再回到休眠。
在这里总结一下这篇文章并分享一下我的理解:
文章强调整个架构是事件驱动,Agents可能大部分时间处于休眠的状态,只有收到事件唤醒后,才开始工作,工作完成,继续处于休眠状态。
整体架构除了worker和一次agent执行外,包含5个基础组件:
1.事件收件箱 Inbox
用户消息、Webhook、后台等事件进行统一入库,然后由 Worker 消费。同时,Inbox持久化保存事件及其处理状态,确保worker中断后仍能继续做未完成的任务。
在Inbox外,有一个轻量的Handler做统一事件的接收端,它快速检验接收到的事件是否合格(会做身份或签名、来源权限、事件类型、必要字段等检查),合格的事件写入到Inbox中。
2.定时器 Timers
支持一次性跟进任务和周期任务。定时器单独持久化,到期后通过调度器向 Inbox 投递事件,统一进入执行流程。所有worker处理的事件来源都是Event Inbox,达到整体架构统一,事件驱动的目的。
3.记忆 Memory
记录一些在其他地方无法查询到的内容,如果信息在其他系统中已存在,则只保留指针。
记忆被分为4个部分:
•用户指令:关于 Agent 行为的规则,每次 run 开始时加载。
•用户笔记:Agent 学到的关于用户角色、偏好和纠正的信息。
•历史消息:Agent 已告知用户的内容,避免重复。
•任务进度:每个进行中任务的已完成与待办清单,供新 run 无缝接续。
4.权限 Permissions
权限体系包含三个组件:
•凭据存储 (Credential Store):推荐使用 Agent 环境外部的代理 (Proxy)。Agent 发送不含凭据的请求,代理在转发前注入真实凭据,使敏感信息不进入 Agent 的运行环境。
•自动模式 (Auto Mode):借鉴 Claude Code 的做法,用分类器审查高风险操作并阻止危险动作。但最重要的决策仍需用户审查。
•延迟工具调用 (Deferred Tool Calls):当 Agent 需要澄清或批准时,可以“延迟”该调用:run 在调用中途结束,session 被保存;请求以交互卡片形式呈现给用户;用户的回复作为新事件进入 Inbox,启动新 run 并恢复保存的 session。等待期间 worker 可以处理其他事件,Agent 不会被阻塞。
5.发件箱 Outbox
负责去重、合并、限频、安静时段和可靠投递。
文中推荐从少打扰开始,再通过评测调整推送策略。
我的理解是,这套架构的价值,在于把任务接续、等待审批、失败恢复和通知节奏,都变成明确的系统机制。Agent Runtime 负责组织模型推理与工具执行,外围系统负责持久化状态、调度唤醒和控制消息投递。对于准备长期运行的 Agent,这些机制值得在搭建初期就考虑清楚。
claude.com/resources/article…
1
4
549
在做DevOps,尤其是在Jenkins的朋友们,注意避免一个坑:
如果使用Jenkins中的GitLab插件的话,遇到update MR的操作(比如现有分支之前MR挂了,修复后push到同一个分支),webhook会触发扫描完整的没有被清除的构建历史。
如果构建历史很多的话(比如上万),那在扫描过程中可能加载、反序列化大量 build.xml,占用 RunMap 锁,导致其他读取构建记录的请求等待。导致Jenkins页面刷新会卡住,请求一些API会失败。
一个解决方案是:定期归档旧的历史构建,在需要的时候再加载回来,这样需要遍历的构建会比较少。同时,对已有的构建,建立“任务+SHA→最新匹配构建摘要”的索引,将反复扫描改为平均 O(1) 查询。索引需维护新增、删除、重启恢复及并发一致性,避免改变原有判重行为。
2
274
Agent 的可靠性问题,很多其实是分布式问题。
比如:
进程重启后,运转到半截的任务全丢;
工具调用超时,不知道是否应该重试;
重试一次,同一个操作被执行了两遍;
子 Agent 并行跑完,结果对不上。
推荐一门补这块的入门课程:
剑桥《Distributed Systems》
讲师是 Martin Kleppmann
就是写《数据密集型应用系统设计》(DDIA)的那位大佬@martinkl
这门课比 DDIA 和 MIT 6.5840 轻得多:
8 节课,视频加起来大约 7 小时
课表,以及跟 Agent Infra 的对应:
1.入门:分布式系统、计算机网络、RPC
👉 调 LLM、调工具,本质都是远程调用
2.系统模型:网络故障、崩溃与拜占庭故障、同步假设
👉 超时了,分不清对方是慢了还是挂了
3.物理时钟:时钟同步、因果关系
4.逻辑时间:Lamport 时钟、向量时钟、广播协议
👉 多个子 Agent 的消息谁先谁后
5.复制:Quorum、状态机复制
👉 任务状态记成日志,重启后按日志恢复
6.共识:Raft 算法详解
👉 可以先略过,知道 etcd、k8s 靠它选主就够了
7.副本一致性:两阶段提交、线性一致性、最终一致性
👉 一个子任务失败,其他子任务的结果算不算数
8.案例:协同编辑、CRDT、Google Spanner
👉 多端同时操作一个会话,状态怎么不打架
建议先看第 1、2、5、7 讲,
其余的学到编排和 Chat 流时再回来补。
全部公开,CC BY-SA 协议:
录像在 YouTube,87 页讲义(带习题)和课件 PDF 都能直接下载
适合的人:
在做 Agent Infra,想把相关原理补上的人
懂一点编程和操作系统就够了,不需要太多数学
课程主页:
cl.cam.ac.uk/teaching/2526/C…
如果你想转 AI Agent 方向,或者在准备相关面试,下面这30个术语是我认为优先需要理解的。
我按“基础 → Agent → 工程落地”做了整理:
基础层
1.LLM:用海量文本训练的大语言模型
2.Token:模型处理文字的最小单位,计费按它算
3.上下文窗口:模型一次能看到的最大 token 数
4.Prompt:你给模型的输入和指令
5.幻觉:模型一本正经地胡乱输出
6.Embedding:把文字变成向量,语义近的向量也近
7.多模态:同时处理文字、图片、音频
8.推理模型:先一步步想(CoT)再回答
9.微调:用自己的数据继续训练模型
10.RLHF:用人类反馈让模型更符合偏好
Agent 层
11. Agent:能自己规划、调工具、循环执行直到完成任务
12. Tool Calling:模型输出调用指令,程序去执行
13. MCP:接入工具和数据的统一协议
14. Workflow vs Agent:一个走固定流程,一个自己决定下一步
15. Multi-Agent:多个 Agent 分工协作
16. Memory:让 Agent 记住历史和用户信息
17. Planning:把大任务拆成步骤
18. Agent Skills:把能力打包成说明加脚本,按需加载
19. Computer Use:像人一样操作电脑和浏览器
20. A2A:Agent 之间通信协作的协议
工程落地层
21. RAG:先检索资料,再基于资料回答
22. 向量数据库:存和查 Embedding,RAG 的底座
23. Context Engineering:设计上下文放什么、怎么放
24. Prompt Caching:缓存重复前缀,省钱又提速
25. Sandbox:给 Agent 跑代码的隔离环境
26. Eval:用一组 case 系统衡量效果
27. LLM-as-Judge:让大模型给输出打分
28. Tracing:记录 Agent 每一步,方便定位问题
29. Guardrails:输入输出的安全护栏
30. Harness:模型外面那层工程,管工具、上下文、循环和重试。同一个模型配不同 Harness,效果能差很远
最近做完一个飞书上的企业内部问答机器人
最大的体会就一句:先答准,再扩范围
它是这样工作的
一个领域一个话题群,同事开新话题提问
机器人按领域去查对应文档,能参考代码时也查代码
用 Agent 检索、组织答案
信息不够时,Agent 发信号,上层弹卡片让提问者补日志、截图
实在答不了,就艾特负责人转人工
配套搭了 RAG 服务
用 Langfuse 做 tracing 和评测
除了部分文档和评测 case,其余基本是我完成的
第一个心得:目标不是什么都能答
而是在特定范围内答准
每个问题都答得半对,比不答更伤信任
第二个:范围靠补文档、补 case 来扩
不靠模型硬撑
第三个:文档质量第一,Agent 能力第二
我们改过文档结构,补过 FAQ
内容也按“给 Agent 看”重新优化过
回答质量很大程度取决于文档
第四个:评测是底线
每个方向十几到二十几条 case,都根据过往真实问题改编
判断用规则加 LLM-as-Judge 两级筛查
规则先挡掉明显问题、省 token,LLM 再做精准判断
还会定期检查 Judge 自己准不准
第五个:tracing 让问题能定位
我们靠它查到过召回问题
还顺藤摸瓜找到过路由侧的 bug
效果:一个月少了 200 次左右的重复回答
回头看,最想改的是把整体架构再解耦一些
这套东西对内省掉大量重复劳动
对外也能直接变成客服产品
我在看AI Agent方向的机会
也会继续分享 Agent 落地的实战,感兴趣可以关注,一起交流
做Agent,我会看哪些运行数据?
最近有两次排查让我体会到可观测性的价值。一次是看缓存命中率时,发现数据有一些奇怪,顺着异常查到了路由侧的一个bug。另一次是看模型的输出token数和单请求输出速率时,发现了推理侧的问题。我把那次的数据提供给了推理团队,作为优化的参考。Agent的回答看起来正常,运行数据里也可能已经有了问题的线索。
如果只选一个tracing工具,我会推荐Langfuse。我用下来觉得它成熟,好用。每轮调用LLM,我会看传入了什么上下文,模型输出了什么,以及输入,输出和缓存命中率各有多少token,生成速度是多少。看整个Agent Loop时,我更关心工具调用了几次,上下文压缩了几次,以及上下文最长到了多少token。
日常可以吧缓存命中率,生成速率这些关键指标汇总到飞书表格里看趋势,再接一个运维agent,发现异常时提醒我们。收到提醒后,就可以回到Langfuse,沿着相关的trace看具体是哪一步出了问题。
Jerry Fang retweeted
又来招人了。#x招聘 #xhiring
这次是growth engineer。
我们最近做了一个决定:取消独立的 Marketing Team,把整个 Growth 团队放进 Engineering 组织。
(emm这是不是说明我被迫转码了呢hh)
为什么?
因为我们越来越相信一件事:
Growth 的终点,不是 Marketing,而是 Engineering。
Growth 本质上是一个数学问题。
不管是 Paid Ads、Content、UGC、SEO,还是 Community,每一件事情背后都有可以被量化的指标、可以被验证的假设,以及可以被不断优化的系统。
所以我们决定,不再沿用传统 Marketing Team 的组织方式,而是尝试把整个团队变成一个 Engineering-driven Growth Team。我们需要审视我们做的每一件事情,以及这件事情被agent 替代的能力。
我们希望找到既懂 Engineering、又对 Growth 有强烈好奇心的人。不只是写代码、做实验,而是一起重新定义 AI 时代的 Growth 应该怎么做。
团队还在早期,很多工作没有现成的 Playbook。你需要自己定义问题、提出假设、快速 Build,并用真实的数据验证可行性。因此会有很多有意思的探索。团队思想比较开放,00后,95后居多。氛围超好~
Base:Mountain View, Bay Area
Role:Growth Engineer
H-1B Sponsorship Available
Competitive Compensation
Fortune 500 上市公司支持的 AI 创业团队
欢迎私信,推荐朋友!或者来mountain view找我coffee chat!!
自底向上梳理一下常见的Cache
从最底层到最上层,常见的Cache有:
1.KV Cache
2.Prompt / Context Cache(提示/上下文缓存)
3.应用层缓存
下面具体讲解一下:
1.KV Cache:
Transformer 模型在处理每个 token 时计算出的注意力状态(Key/Value 张量)。有了这个KV Cache缓存后,在生成每一个新token的时候,模型不需要计算之前所有token的Key/Value值,因此将计算复杂度从近 O(n²) 降至 O(n)。
KV Cache是底层数据,上面的Prompt / Context Cache(提示/上下文缓存)是利用KV Cache的一种机制。
2.Prompt / Context Cache(提示/上下文缓存):
可以跨请求复用相同提示词前缀的KV Cache结果,本质上是前缀缓存(Prefix Caching) 的产品化封装。假如多个请求的前缀相同时,可以复用这些Cache,从而减少首token的输出需要时间,优化体验。
3.应用层缓存:
这一层缓存至少有3种情况:
(1)应用层响应缓存
即达到一定的匹配条件后,直接复用已有的模型回复,而不用再调用大模型。
常见的匹配方法有:精确匹配缓存和语义缓存。前者是哈希值这种完全匹配才行,后者是语义相似度达到一定的阈值即可。
(2)嵌入缓存
缓存embedding模型的输出结果,让相同或者相似的输入复用已经获得的embedding模型输出。
(3)检索结果缓存
对于RAG服务,相同的查询复用已有的查询结果,减少重复查询需要的时间。
如果你入门 Agent Infra,在看到的学习资料里经常看到Sandbox/沙箱这些术语,但资料里又没用大白话解释。那么你就可以先把它理解成:给 Agent 一个能砸且砸坏了也不心疼的房间。
为什么需要这间房?因为 Agent 可以做一些执行类的操作,就不只是聊天了:它可能读文件、改代码、装依赖、跑命令。这些能力很有用,能做很多事情,但它也是风险的来源——搞坏环境、摸到不该碰的密钥、把一次实验污染成长期隐患。
所以沙箱的作用,其实可以总结成三句话:
1.把伤害关在房间里:出事影响的是临时环境,不是你的本机全家桶
2.把权限收窄:能读什么、能不能出网、能跑多久,都是预设好的边界
3.让实验可扔:用完销毁,下次干净重启,Agent 才敢反复试错
入门沙箱时别急着背产品名,先分清四档常见做法:
1.本机直接跑:最快,也最危险,适合你盯着、几乎不执行
2.容器(如 Docker):本地练手最常见,隔离够用但别误以为“绝对安全”
3.微虚机 / 托管沙箱:更适合频繁起停、跑完就扔的 Agent 任务
4.运行时沙箱(如 WASM 等):很轻,但往往跑不了完整工程改造
记住一句就够入门:Agent 越能动手,就越需要一间能砸的房间。沙箱不是锦上添花,是 Agent Infra 里让“执行”变得可接受的那块底板。
如果你也在学 Agent / Agent Infra,欢迎一起把这块补上。
3
341
最近在调研DeepSeek Harness,了解到它有用到PTC这种模式,了解后发现这个模式还挺有用的。分享一下我的心得:
关于PTC模式,我们这次看2个问题:
1.PTC模式解决什么问题?
2.PTC模式的流程是什么样的?
PTC模式主要解决2个问题:
(1)减少调用模型的次数,从而控制token成本和控制时间;
(2)控制主Agent的上下文,减少噪音。
PTC模式的主要流程为:
1.Harness 向模型提供 run_code 工具,以及程序内可用的工具 SDK 说明。
2.模型生成代码,通过 run_code 提交。
3.运行时执行代码;其中的 tools.xxx() 通过 RPC 调用宿主工具,仍经过权限校验、审批和调度。
4.中间结果留在程序中处理,主要将打印内容和最终返回值交给模型。
流程图为:
如果你想边学 AI 边练听力,选素材时别急着找「最难」或「最简单」的。
最近看到一种选法,挺适合我:找一段大概能听懂六七成、又愿意反复听的英文材料。
原文举例是 BBC。我选的是 Andrej Karpathy 的 Deep Dive into LLMs like ChatGPT:
youtube.com/watch?v=7xTGNNLP…
原因就两条。
第一,我感觉自己大概能听懂六成——不是每句都清,更不是能完整写下来,但至少能跟上一部分,不至于从头懵到尾。
第二,他讲的内容,本身就是我想学的。就算没有练听力这个目的,我也想知道他接下来会讲什么。
对我来说,这种素材有个很实际的好处:练习动机不是硬撑出来的。听不懂的地方,也值得分清楚——是这个词不认识,还是认识却没听出来;是英文句子没跟上,还是 AI 概念本身就没弄明白。
可收藏的练习骨架大致是:
1. 先泛听,建立整体感觉
2. 再听写,暴露卡点
3. 对照原文,确认差在哪
4. 用 AI 帮忙理解词句
5. 反复听,把卡点磨顺
这篇只记一个起点:找到了一份难度有挑战、内容又真正想学的材料。我想试着把学英语和学 AI 放在一起——既练听力,也慢慢看懂自己关心的英文内容。
如果你也在看 Agent / LLM,欢迎一起边看边练听力。你们选材料时,会优先选难度合适的,还是自己特别感兴趣的?
采用的练习听力的方法原文链接:
xitter.gq/nani6886/status/206960…
3
428
把之前写的「从零手写 Agent」教程
整理成了一个 GitHub 开源项目:NamiAgent
这不只是一个教程,也是一个能在你电脑上跑起来的 Agent:
在指定的工作区里读写文件、执行命令、接入 MCP、记住你是谁
写文件、跑命令前都会先问你,你点头才执行
还带一个本地网页端:
左边看它每一步怎么想、调了什么工具
右边看每次发给模型的完整上下文,一圈圈怎么变长
18 篇图文的原稿和 11 课代码都放进去了,每课一个目录,直接能跑
教程部分,从 100 行的最小循环开始,一课加一个能力:
工具、权限、上下文管理、Skills、MCP、子 Agent、计划、记忆
后 7 篇拿这些零件当尺子,拆解 Claude Code、Codex、Pi、Grok、DeepSeek Harness、OpenClaw
只依赖 openai 一个包,没用任何 Agent 框架
上一个项目 NamiGPT 讲模型本身,这个讲给模型加上手脚
github.com/aa1143/NamiAgent
从0搭建一个Agent(3):Skills + Plugins + Multi-agents
如果你已经会给 Agent 塞 Context、Memory、RAG,但一上手还是只会“一个大 Prompt 包打天下”——这篇就是给你的。
单 Agent 再聪明,也扛不住三件事:能力要可插拔、工具要可扩展、复杂任务要拆给人协作。对应就是 Skills、Plugins、Multi-Agents。
下面是这三部分需要注意的点:
第一,Skill不是Tool。
Tool可以理解为对于Agent来说是一个“原子操作”,Agent只想获得这个Tool的执行结果,Tool无法指导Agent去做什么。
而Skill是一份行为指导,Agent看到它后知道先做什么,后做什么。
Skill想解决的问题是让Agent在某一个领域成为“专家”。
第二,能力通过Plugin动态加载。
随着 Agent 的能力不断增加,如果工具、Skill、RAG 都写死在核心代码里,每接入一个新功能,就要修改代码、重新测试和发布。
Plugin 的作用,就是把核心逻辑与具体能力解耦:核心只负责运行循环和工具调度,具体功能由独立插件提供,按需动态加载。这样,无论是接入数据库,还是增加消息通知,都可以通过扩展插件完成,插件之间也相互隔离,让 Agent 在保持核心稳定的同时持续扩展能力。
第三,使用Sub-agents的主要目的:控制上下文/并发提高效率/隔离。
当我们使用主Agent的时候,如果遇到想执行一些操作,只是希望获得操作的最终结果,而不希望执行的中间结果(比如读取文件的内容)浪费有限的上下文,就可以使用Sub-agents来执行这些操作,最终接受相应的结果即可。
此外,有的时候,我们希望在主Agent执行的过程中,并行执行一些操作,也可以使用Sub-agents。
最后,如果想同时做重构的尝试和正常开发,通过Sub-agents隔离也是一种方法。
如何从零手写一个Agent?整了一套 Agent 教程,共18 篇
Claude Code、Codex 这些编码 Agent
内核其实就是一个循环:
模型请求工具,代码执行,结果放回对话,直到模型不再请求
这套教程从100 行代码开始
用 Python 一层一层往上加:
工具、权限、上下文管理、Skills、
接入聊天软件、定时任务、MCP、子 Agent、计划、记忆。
每一课都有能直接跑的代码
每一课末尾都对照主流 Agent 在这一块是怎么做的
最后 7 篇,拿亲手写过的这 11 个零件当尺子
逐个拆解 Claude Code、Codex、Pi、Grok Bot、
DeepSeek Harness、OpenClaw 与 Hermes
看它们各自做了什么取舍
整理完最大的感受是:
主流产品的分歧,大多集中在一个问题上:
安全这一层,交给提示词,还是交给代码
namiai.tech/agent/?v=1










