登录社区云，与社区用户共同成长
邀请您加入社区
先问大家一个问题：你是不是也有过这样的经历：花了一周时间跟着教程写了个Agent Demo，演示的时候惊艳全场，老板拍板说这个要大力投入。
先说一下版本背景。这本书的第一版出版时，Agent 还处于"玩具阶段"。但到了 2026 年第二版出来的时间点，Agent 已经从"实验室项目"变成了"企业基础设施"。全新的 MCP 章节——2025 年底 Anthropic 发布 MCP，2026 年成为标准，第一版完全没有涉及容器化部署完整指南——从 Dockerfile 到 K8s deployment，从单机到集群语音 Agent 编排—
多 Agent 系统的复杂度，80% 在 Agent 外部。Agent 内部怎么推理、怎么调用工具、怎么管理记忆——这些问题在单 Agent 阶段已经解决了。怎么让 Agent 互相发现对方怎么定义任务怎么分配怎么保证信息在传递中不丢失不扭曲怎么在多个 Agent 同时操作同一份数据时不出错怎么在出问题的时候快速定位是哪个环节崩了“单 Agent 像一个聪明的人在独自工作。多 Agent 系统像一
这本书的英文原版书名里有个括号——“(From Scratch)”。我觉得这俩词才是整本书的核心哲学。“框架是好东西，但框架是一种交换——你交出了控制权，换来了开发速度。只有当你从零构建过一次，你才知道框架替你做了哪些决定，以及这些决定在什么情况下是错的。如果你和我一样，在用 LangChain 或 CrewAI 的时候有过"它为什么这样做？"的困惑，这本书会给你答案。不是因为它教你怎么用框架——
🏢 高频来源：字节跳动、阿里、腾讯、百度、MiniMaxAgent 和 Chatbot 的本质区别在于自主决策 + 行动能力。Chatbot 的模型是：用户输入 → LLM 推理 → 输出文本。它是一个「被动问答机」。Agent 的模型是：用户输入 → LLM 推理 → 决定用什么工具 → 执行工具 → 观察结果 → 决定下一步 → 循环直到目标达成。我去年做的一个客服 Agent，最关键的转变
五一期间抽空把 Martin Fowler 在 The Pragmatic Engineer 播客那场两个多小时的访谈又听了一遍，顺手对了一下他后来写的几段 AI 研发随笔、OpenAI 的 Harness Engineering 那篇、LangChain 给 Agent Harness 下的定义，以及最近网上围绕 Karpathy、Boris Cherny、Agentic Engineering
现在做Agent，有一个非常典型的误区：👉 Skill越多 = Agent越强于是开始疯狂堆Skill、堆工具、堆能力。
在 Claude Code 源代码泄露事件之后，我们从源码里整理出了 12 种 Agentic Harness 模式。后来又结合 Anthropic 官方的 Agent Skills 构建指南，继续拆解出 14 种 Skill 编写模式。这次再往前走一步，问题就变得更现实了：当 Agent 真正进入生产系统，它到底应该怎么连接那些真实的业务工具、权限系统和数据源？
