全部文章

从技术选型角度回答“要不要上 Agent”：用多步、需要工具、需要自主决策三个问题做判断，给出脚本、规则引擎、单次 LLM 调用等更简单替代方案，并对比成本与可靠性，帮助你在动手前做出框架无关的取舍。

工具调用失败是 Agent 的常态而非意外。本文拆解四类失败模式，给出参数校验、重试与降级、错误回填、超时与幂等的最小实现骨架，并说明哪些错误该重试、哪些该立刻放弃。

从命名、描述、参数 schema 三个维度讲清如何把现有 API 包装成模型真正会用的工具，并给出合并与拆分工具的判断标准，以及工具粒度如何影响上下文成本与选择准确率。

Agent 只有一两个工具时，循环很简单；工具一多，问题就变成编排：哪些步骤能并行、中间结果怎么传、循环什么时候停。本文讲清多工具编排的四件事，给出控制流骨架，并附一个可本地运行的完整示例。

从上下文窗口讲起，说清 Agent 的短期记忆与长期记忆、什么该放进上下文、什么该检索或丢弃、对话历史与摘要策略，以及记忆带来的成本与隐私问题。框架无关，代码最小化，指向官方文档。

从开发者视角拆解 MCP：它是什么协议、为什么需要它、和自建工具函数的关系，以及一个最小接入思路与边界，帮你在自研 Agent 里判断该不该用它。

从零讲清工具调用（Tool Calling / Function Calling）：工具是什么、模型如何选择工具、工具描述为何决定成败、一次完整调用的七步流程，以及参数错误、工具过多、权限与安全三类常见坑。面向有编程基础的中文开发者，框架无关，代码最小化并指向官方文档。

在写任何框架代码之前，先把四个部件想清楚：谁负责思考、谁负责动手、谁指挥节奏、谁记住上下文。本文用最小必要概念帮你建立能迁移到任何框架的心智模型，并带你确认边界、找到官方文档入口。

用一个实习生的比喻，讲清楚为什么 AI 光有“脑子”还不够——它要能查、能算、能动手，才真的帮得上忙，也说说它什么时候会帮倒忙。

用一个“新来的实习生”的比喻，讲清楚 Agent 的上下文窗口和记忆是怎么回事：为什么它聊着聊着就忘了开头，为什么换个对话它就不认识你了，以及它到底能记住多少。

一个不联网、不查资料、却特别会说话的实习生，为什么能把没发生过的事讲得头头是道？这篇用“新来的实习生”比喻，讲清 Agent 胡说八道的来龙去脉，以及你该怎么和它相处。

用“新来的实习生”这个类比，把 Agent 讲清楚：它要交代任务、要工具、会犯错、要反馈，也会越用越顺。零代码、故事化，适合完全不懂技术但好奇的人。