這個系列會從最小的 AI Agent Loop 開始,逐步拆解工具呼叫、權限控制、規劃、Context、記憶、背景任務、多 Agent 協作、評估與 Graph Engineering。每篇都會搭配可直接執行的 Python 範例,說明不同機制解決了什麼問題,又增加了哪些成本與風險。目標是不只學會使用 Agent 框架,而是真正看懂它裡面的架構與設計取捨。
很多 AI Agent 教學,會從 LangChain、LangGraph 或某個 Agent Framework 開始。 我們會先建立一個 Agent、加入幾...
昨天我們先建立了一個基本觀念: 模型負責判斷,Harness 負責讓判斷可以被執行、觀察與限制。 但還有一個問題沒有回答: 為什麼一般聊天模型回答一次就停...
前兩天我們先拆開了兩個核心概念。 Day 1 說明: 模型(LLM)負責判斷,Harness 負責讓判斷可以被執行、觀察與限制。 Day 2 則把 Agen...