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。
前面 20 天，我們已經把一個 Agent 從最小 Loop 一路擴展到： Tool Runtime Permission / Approval / Sand...
前一天我們談 Observability。 Observability 可以回答： Agent 做了什麼 呼叫哪些 Tool 哪裡失敗 花多少 Token 花...
前一天我們談 Evaluation。 到這裡，我們已經能回答： 這次修改，真的讓 Agent 變好了嗎？ 但很多 Agent 系統仍然有一個隱藏問題。 Ag...
前一天我們談 Loop Engineering。 核心是把： Agent Loop Verification Loop Event Loop Improveme...
前 24 天，我們把 Agent Harness 拆成很多獨立機制。 從 Day 25 開始，我們不再新增新的抽象層。 接下來要做的是反過來看真實 Agent：...
Day 25 我們看 Claude Code。 它最適合研究： 一個 Production Coding Agent 如何安全地在真實 Repository...
前兩天我們看了兩個很完整的系統。 Day 25 的 Claude Code 告訴我們： 一個 Model 要安全地修改真實 Repository，需要完整的...
Day 25 到 Day 27，我們看了三種很不一樣的 Agent Harness。 Claude Code： 完整 Production Coding Ha...
前面 28 天，我們一路把 Agent Harness 拆成約 20 種機制。 到這裡，很容易進入一種「架構焦慮」。 Agent 表現不好時，第一個反應常常是：...
如果你真的一路看到 Day 30，希望你現在得到的不是一張更長的 Agent 技術清單。 你開始有能力在面對一個新的 Agent 問題時，先問：「它到底失敗在哪...