一块 GPU 收到一批文本，先把它们变成数字，再做许多次矩阵乘法。模型猜下一个 Token，系统算出它猜得有多差，随后沿着计算图反向追责，把数千亿乃至上万亿个参数中的一部分轻轻推一下。这个动作会重复几百万次。
把这句话放大，就是大模型预训练。
可真正把训练规模推到万亿参数和十万亿 Token 时，问 ...
本文承接系列（一）和系列（二）。上一篇收尾时我计划先接入 SQLite，但写到这里时发现，持久化之前还要先分清一件事：哪些历史应该留下，哪些只是一次查找过程。子 Agent 恰好把这个边界讲清楚。下一篇会先实现逐条追加的会话存储，再讨论何时需要 SQLite。
子 Agent 解决的不是“更聪明 ...
本文承接系列（一）。上一篇的目标是做出一个安全、可理解的最小 Agent：模型决定是否调用工具，工具结果回到模型，直到它给出回答。这一篇只把这条循环补成更可靠的版本，不会假装已经实现了完整的生产系统。
这一篇解决什么问题最小循环能跑起来，但它仍有几个会在真实使用中暴露的问题：
模型调用工具后， ...
关于本教程： 这是「从零构建 Agent 框架」系列的第一篇。实现思路参考 czl9707/build-your-own-openclaw 的前两步，但代码由我重新组织为一个带工作目录限制的最小示例。它适合用来学习循环和工具调用，不是生产环境的安全方案。
很多 Agent 框架看起来很 ...
在构建 Agent 系统时，不同大语言模型厂商的 API 接口存在显著差异：
OpenAI 采用专有的 tool_calls JSON 数组与特定流式增量；
Anthropic Claude 采用块结构（Content Blocks）与输入增量协议；
DeepSeek 拥有原生思维链（Reason ...
核验范围：harness 不是标准化产品名，不同框架对它的边界划分不同。本文讨论的是通用运行机制，不据此断言某个闭源产品的内部实现。文中的 LangGraph、OpenAI Agents SDK 和 Anthropic 文档只用来核对公开概念；代码是教学用伪代码，不是可直接部署的安全实现。
你让 ...
这篇写给两类人：一类是刚开始搭 Agent、被「上下文」这个词绕晕的初学者；一类是已经在用 LangGraph / LlamaIndex 之类框架，但总觉得「输出不稳定、模型老捡到不该看的东西」的人。我会尽量把每个术语第一次出现时讲清楚，也会给一个不依赖任何框架、30 行就能跑的最小例子 ...
写在前面：这篇文章想解决什么我读 Hello-Agents 第四章 时，第一次把 ReAct、Plan-and-Solve、Reflection 放在一起看。它们很容易被讲成三个漂亮的流程图：一个边做边想，一个先规划，一个做完复盘。可是真正开始写 Agent，或打开 Codex、Claude Cod ...
本文知识脉络源自 zero2Agent 系列课程《learn-agent-basic》。原文为整套 Agent 工程体系的基础概览；本文在此基础上，修正了零散大纲的跳跃逻辑，补充了工业界工程实践中对“状态漂移”、“工具契约”和“运行时宿主（Harness）”的关键因果链，力求建立一套不依赖具体商业 ...
本文是「Agent 基础与工程」系列专栏的第 17 篇。专栏总览参见：《Agent 基础认知与工程架构全景》。
大语言模型的标准交互协议（Tool Calling）建立在同步 RPC 请求-响应的假定之上：模型输出工具调用参数，宿主程序在当前请求线程内阻塞执行，在数秒内拿到结果并回传给模型，进而 ...
