鐵人檔案
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。
前一天我們談 Memory。 Memory 的核心不是把所有歷史永久保存，而是決定： 什麼值得記 要記成什麼 什麼時候 Recall 什麼時候更新、合併或忘掉...
前一天我們談 System Prompt Assembly。 核心觀念是： System Prompt 不是一份固定文件，而是 Harness 根據目前狀態動...
前一天我們談 Error Recovery。 當 Agent 開始有 Retry、Fallback、Approval、Replan、Human Handoff...
前一天我們把 Agent Task 變成一個真正有 State 的系統。 下一個問題自然是： 如果任務要跑 20 分鐘，誰來執行？ 很多 Demo 會直接在...
前一天我們談 Background Execution。 有了 Queue、Worker、Task State 之後，Agent 已經可以在使用者離線後繼續執行...
前一天我們談 Scheduling。 當 Agent 可以 Background、Recurring、Parallel 執行後，Coding Agent 很快會...
前一天我們談 Worktree Isolation。 現在每個 Agent 已經可以有： 自己的 Task 自己的 Context 自己的 Permissio...
前一天我們談 Multi-Agent Coordination。 當多個 Agent 開始互相傳遞結果時，下一個問題是： 它們要用什麼格式溝通？ 最簡單的做...
前一天我們談 Agent Protocol。 現在 Agent 已經可以： 接 Task Background 執行 Schedule Spawn Subag...
前一天我們談 Autonomy。 當 Agent 已經能長時間自主執行，下一個最常見需求就是： 接更多外部能力。 例如： GitHub Slack Gma...