系列专栏

Agent 工程

从上下文地基到生产级系统的五篇

共 9 篇 · 约 121 分钟

这个专栏是一条完整的路径：从原理，到落地，再到反思。

第一篇讲地基——Context 不是 Prompt，上下文工程为什么正在成为 AI 应用的新地基。理解了这一层，才能看懂后面所有的架构决策。

第二篇拉开全景——Agent Engineering 那 98.4% 的工程量到底在哪里。模型只是 1.6%，剩下的都是 Harness。

第三篇和第四篇是两个反差鲜明的案例：open-lovable 不靠任何 Agent 框架、直接驯服裸 API；Relay 则是从零设计的生产级求职 Agent 系统。一个做减法，一个做加法。

最后一篇跳出工程——当 Agent 有了记忆和连续性，“自我"从哪里开始？从洛克的人格同一性到 OpenClaw，一次哲学与工程的对望。

建议按 1 → 5 顺序读，但每一篇都可以独立进入。

目录

建议按序阅读
  1. 20 分钟阅读

    Claude Tag 深度拆解：Slack 里的共享 AI，正在长成组织级 Agent 运行时

    Claude Tag 把共享 AI 带进 Slack，把 Agent 的身份、权限、组织记忆与主动执行放进同一套系统。本文从线程级沙箱、Agent Proxy、频道权限和异步任务拆解其技术架构，分析产品价值、用户体验与治理风险，对比钉钉 AI 小钉、DWS 和飞书 Aily，并预测企业协作 Agent 的下一阶段形态。

  2. 8 分钟阅读

    Open Design 0.16.1：给 Coding Agent 一张可复用的设计工作台

    本文固定 Open Design 0.16.1，拆解插件、功能技能、设计模板与设计系统四个平面，比较本地代理、Open Design Cloud 与多提供商 BYOK 的数据边界，并厘清运行时目录、模型流量、遥测、SSRF 防护和服务商配额的差别，帮助 Coding Agent 用户判断它能否进入自己的设计工作流。

  3. 12 分钟阅读

    你的 Mac 上有几套工具在打架？我设计了一个开发机体检 Skill

    复盘 devbox-doctor 如何只读盘点 macOS 应用与常驻资源，用多源证据区分重复安装、配置冲突、卸载残留和不确定项，并限制模型只做提案。文章梳理 Spotlight 边界、Homebrew 语义、残留置信度、权限降级和误报评测，规定软件推荐必须附官方来源、版本与核验日期，适合想安全治理开发机的程序员。

  4. 9 分钟阅读

    Agent Skill 与 SKILL.md 设计：我拆了一个敢删文件的插件

    从 storage-analyzer 的 SKILL.md 与源码出发，拆解 Agent Skill 的需求筛选、代码—模型—代码架构、触发描述、结构化契约、风险分级和权限白名单。结合 macOS 真机测试，分析后台进程、输出缓冲与挂载重复计数，并给出可复用的设计、审查和验收清单，适合开发高风险 Skill 的工程师。

  5. 8 分钟阅读

    open-lovable 源码拆解：Agentic Search、文本协议与双沙箱

    基于固定提交审计 Firecrawl 的 open-lovable，拆解网址抓取、流式代码生成、Agentic Search、Morph 增量编辑与 E2B、Vercel 双沙箱实现。文章区分仓库当时使用的能力与平台当前提供的功能，纠正命中率、耗时和隔离层误读，适合设计 AI 应用生成器、代码检索与执行边界的开发者。

  6. 10 分钟阅读

    Relay Agent 架构审计：从设计承诺到本地实现

    基于 Relay 私有本地实现的源码审计，核对协调器、五个领域 Agent、Harness、路由、事件系统与浏览器投递链路，区分已实现、已测试、设计中和示意内容，并重点解释 LangGraph 恢复语义、幂等边界、审计持久化、反虚构守卫的能力边界，以及浏览器自动化面对服务条款、提示注入和敏感字段时保留的人类审批机制。

  7. 15 分钟阅读

    Context 不是 Prompt：上下文工程如何成为 AI Agent 的新地基

    本文从 Anthropic 与 Sourcegraph 的代表性框架出发，解释上下文工程与提示词工程的边界，并核对上下文腐烂、检索重排、Claude Code 自动压缩、服务端 compaction 与记忆系统。面向 AI Agent 工程师；核心结论是上下文并非越多越好，关键是让高信号信息在正确时刻进入窗口。

  8. 25 分钟阅读

    Agent Engineering 全景地图：98.4% 只是 Harness 的叙事锚点

    从并非论文硬测量的 98.4% 说起，拆解 Agent Harness 的编排、上下文、记忆、工具、可靠性、评估、成本与治理八根支柱。文章以截至 2026 年 7 月的一手资料校准关键事实，给出每根支柱的最小实现、失效边界和选型判断，帮助工程师把会调用模型的演示，推进为可恢复、可评估、可治理的生产系统。

  9. 14 分钟阅读

    Agent 的自我：从洛克到 OpenClaw

    本文从洛克《人类理解论》第二卷第二十七章出发，讨论 AI Agent 如何跨会话保持行为连续性。核验 OpenClaw、Mem0、Karpathy LLM Wiki、SoulSpec 与 EvoMap 一手资料，给出身份文件、运行记忆、权限边界、经验谱系和评测设计清单，面向构建长期智能体、关注审计与信任边界的工程师。