系列专栏

Agent 工程

从上下文地基到生产级系统的五篇

共 5 篇 · 约 111 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

  1. 拆解 open-lovable：一个不靠 Agent 框架、直接驯服裸 API 的应用生成器

    把 firecrawl/open-lovable（27k★，输入一个网址几秒重建成 React 应用）从产品到代码彻底拆开。它最有意思的地方不是「能生成代码」，而是它不用任何 Agent 框架、不用 Claude Agent SDK、不用原生 tool-calling，而是在裸 LLM API 之上手搓了一整套 harness：文本 DSL 协议、流式正则解析、截断检测与补全、手工上下文编排，再配一套可切换的云端沙箱（E2B / Vercel Sandbox）。这是一份「直接驯服原始 API」的工程范本拆解。

    · 24 分钟

  2. 从零设计一个生产级 AI Agent 系统：Relay 求职 Agent 的架构全解

    这篇文章以 Relay 开源求职 Agent 项目为案例，完整拆解一个生产级多 Agent 系统从架构设计到落地的每一个关键决策：为什么把单 Agent 拆成 5 个、如何用 LangGraph 实现 HITL 检查点、三层 LLM 路由如何精算成本、反虚构防卫如何运行时验证、混合后端（Hono/Bun + FastAPI/Python）如何优雅解耦。无论你是在搭建第一个 Agent PoC 还是推进生产落地，这里都有可以拿走的设计模式。

    · 18 分钟

  3. Context 不是 Prompt：为什么「上下文工程」正在成为 AI 的新地基

    上下文工程正在从一句口号变成一门独立学科。这篇文章从 Anthropic、Karpathy、LangChain、Sourcegraph 与 Manus 的一线实践出发，拆解上下文工程与提示词工程的本质区别、两套四支柱分类法、以及装配检索压缩淘汰这些具体设计模式，再回到我自己的判断：上下文不是工具的参数，而是 AI 与你之间那条共享的世界线。

    · 13 分钟

  4. Agent Engineering 全景地图：那 98.4% 的工程量到底在哪里

    一篇把 Agent Engineering 当成一门学科来拆的全景地图。从 Claude Code 那个广为流传的「1.6% 是 AI 决策、98.4% 是基础设施」说起，沿着八大支柱——编排、上下文、记忆、工具、可靠性、评估、成本、治理——逐根讲清每一块填补的缺口、最小实现与失效边界，并融合 Anthropic、OpenAI、Cognition、Manus、Temporal 在 2025 至 2026 年的一线工程实践，最后落到一句话：模型是买来的，harness 是你造的，工程杠杆全在那 98.4%。

    · 30 分钟

  5. Agent 的自我：从洛克到 OpenClaw

    AI Agent 的失忆不是功能缺陷，是信任账户的根本缺失。本文从洛克 1689 年的身份理论出发，逐层拆解 2026 年 Agent 身份连续性的完整工程栈：文件即身份（SOUL.md 范式）、Harness 作为环境条件、记忆的四层结构与 Gene Capsule 协议、多智能体拓扑中的自我定位，以及评测作为身份验证的终极难题。 适合正在构建或设计 AI Agent 系统的从业者，以及对 AI 自主性边界有深度思考需求的研究者。

    · 26 分钟