共 10 篇文章
每个开发者都应该知道的 30 个核心智能体工程概念
该文翻译自 sai rahul 的 X 推文，系统梳理了 30 个核心智能体工程概念，涵盖执行循环、状态管理、Agent模式（规划者/执行者、路由器/专家、Map-Reduce）、配置文件、MCP、实时文档检索、持久记忆、子智能体编排、沙箱与权限、提示词注入防御、pre-commit 关卡、链路追踪等六大工程层，为开发者提供理解 AI 智能体底层机制的完整框架。
万字长文：Deepseek Harness 一文全看懂！！
万字长文深度解析 DeepSeek Harness（DSH）：Agent = Model + Harness。系统讲解其组件（系统提示、工具注册表、Agent Loop、Session）与 Everything is a Plugin 插件化架构、Profile 组装 Agent 的启动方式，并介绍动态工具创建、多 Agent 流水线等真实应用。
淘宝主播 Agent 的 Harness 工程实战
淘宝主播Agent用模型外层的Harness骨架解决高风险高并发直播中模型不可控、易漂移的问题。以执行循环/工具/上下文/状态/钩子/评估六元组加分层架构为基础，用上下文压缩与Reducer、五层纵深防御、DAG全局规划、三层记忆与信任度进化，把不确定的模型能力工程化成可用可控可演化的工业级产品，适合直播及Agent工程团队。
OpenClaw与Hermes：源码里的 AI Agent 架构知识大复盘
本文源码复盘 OpenClaw 与 Hermes 的 Agent 架构：Gateway 启动/认证/RPC 体系、Session Key 多 Agent 消息路由、万物皆插件的插件系统，以及执行引擎的 FailoverError 契约、双路径执行、三级 Compaction、Lanes 并发、Subagent Spawn 委派与预算贯穿 Runtime，揭示生产级多 Agent 框架的工程取舍。
从Prompt到Context
本文面向企业AI应用建设者，系统梳理从静态提示词、动态上下文引擎到自主智能体的三阶段演进，提出上下文引擎等于指令、知识与操作三类上下文之和。文章给出生产级提示词的四步工作流与智能体五层架构，强调企业应用要从玩具走向生产级工具。其核心是上下文工程、检索增强、工具调用与多智能体协作的整合，帮助工程师搭建稳定、可量化、可迭代的AI系统。文章还区分狭义智能体与通用智能体，并指出模型层决定系统能力上限。