技术栈/ai-agent - 文章目录

up

返回上级

技术栈 上一级目录
dir

demo

1 篇文章
dir

essay

22 篇文章
md

Java后端转Agent学习路线

目标不是“会用一个 Agent 框架”,而是能从后端工程角度做出一个可靠的 AI Agent 系统:

#AI Agent
md

MCP专题学习笔记

MCP 是 Model Context Protocol,可以理解为:

#AI Agent
md

RAG与Agent工程

text 先检索可信资料，再让模型基于资料回答。

#AI Agent
md

项目实战清单

不要做一堆互不相关 demo。所有项目都围绕一个最终作品累积:

#AI Agent
md

每周推进计划

每周只追一个主目标,但必须交付四样东西:

#AI Agent
md

AI工程基础入门到精通

这篇是 AI Agent 目录的基础总论。它回答三个问题:

#AI Agent
md

Agent CLI源码剖析 - 全局架构与数据流

这组源码剖析不是复制 Claude Code 源码,也不是复述某个泄露/反编译仓库。你给过的 chauncygu/collectionclaudecodesourcecode 可以作为“公开目录结构和架构信号”的参考,但笔记里的代码是 cleanroom 原创最小实现。

#AI Agent
md

Agent CLI源码剖析 - 主循环与状态机

Agent CLI 最核心的代码不是 UI,不是命令列表,也不是某个工具,而是 QueryEngine。

#AI Agent
md

Agent CLI源码剖析 - 工具系统安全边界

LLM 只会生成文本。Agent 能读文件、改代码、跑命令,是因为宿主程序提供了工具。

#AI Agent
md

Agent CLI源码剖析 - 上下文工程与记忆系统

当前项目结构。 用户偏好。 之前聊过什么。 哪些文件刚被修改。 哪些资料是真实来源。

#AI Agent
md

Agent CLI源码剖析 - MCP传输与扩展生态

本地工具是写在 Agent CLI 里的。MCP 允许外部程序把工具暴露给 Agent。

#AI Agent
md

Agent CLI深水区 - 完整最小实现地图

前面的 0610 讲的是骨架:入口、主循环、工具、上下文、MCP。骨架知道以后,还差一层“代码落地感”:

#AI Agent
md

Agent CLI深水区 - QueryEngine状态机

很多人看 Agent loop,会以为就是:

#AI Agent
md

Agent CLI深水区 - 工具执行器权限审计

Agent CLI 的危险点不在“模型会说错话”,而在“模型说错话后,程序真的执行了动作”。

#AI Agent
md

Agent CLI深水区 - 上下文预算压缩记忆

Agent 能不能“懂项目”,很大程度取决于上下文工程。

#AI Agent
md

Agent CLI深水区 - MCP生命周期传输层

入门时可以把 MCP 理解成“外部工具协议”。但源码级理解要更具体:

#AI Agent
md

Agent CLI深水区 - 模型适配器与流式解析

很多入门 demo 会在业务代码里直接写:

#AI Agent
md

Agent CLI深水区 - 编辑器Diff与补丁引擎

让 Agent 改代码,最危险的不是“不会写”,而是:

#AI Agent
md

Agent CLI深水区 - 搜索系统与代码上下文

真实项目里,Agent 不知道该读哪个文件。它需要先定位。

#AI Agent
md

Agent CLI深水区 - 命令技能插件系统

Agent CLI 里经常有 command、skill、plugin,容易混。

#AI Agent
md

Agent CLI深水区 - TraceEval调试体系

AI Agent 出错时,不像普通接口只看 stack trace。

#AI Agent
md

Agent CLI深水区 - 从输入到落盘全链路复盘

前面几篇分别拆了主循环、工具、上下文、MCP、模型适配、编辑、搜索、插件和评测。 这一篇不再按模块讲,而是按一次真实任务的执行链讲。

#AI Agent
md

README

这个目录的目标不是收集名词,而是把 Java 后端能力迁移成可落地的 AI Agent 工程能力。主线只有一条:

#AI Agent