本篇博客将会通过Eino 中的 ChatModelAgent、Runner 、AgentEvent、以及多轮对话的实际案例 ，等带你以运行时视角，理解 Agent 的执行骨架。

本文章记录了博主，如何搭建深度适配项目业务的轻量记忆机制。

ADK 单独抽象出 Agent，本质上是为了把一次智能体执行统一成“有身份、有输入协议、有请求级配置、有事件流输出、还能表达转交/中断/退出行为”的可组合运行单元，而不只是一次 Prompt 调用。

当 Agent 开始调用真实且有副作用的 Tool 时，审批就不再是前端交互，而必须依靠 Interrupt / Resume + CheckPoint 把“中断、确认、恢复执行”变成一套可靠的运行时治理机制。

ChatModelAgent 的本质不是替你调一次模型，而是让模型以 Agent 的方式持续做决策、执行动作、输出过程，并允许你把工程逻辑插进运行链路。

单个 Agent 如何靠 ReAct 跑起来，多 Agent 又如何通过编排协作起来。

我很庆幸，还好我是年轻人，有足够的勇气、有足够的精力，去追逐时代的步伐。

本篇是面向云原生工程师的 PyTorch 深度学习入门笔记，从 Tensor、Autograd、线性回归讲到逻辑回归、DataLoader 和二分类指标。

但很多时候，我们只是记住了“B+树比哈希更适合范围查询”、“联合索引要满足最左匹配”、“覆盖索引可以减少回表”，却并没有真正理解这些结论背后的原因。这篇文章就从面试高频问题出发，把 MySQL 索引的原理、分类、底层结构、查询过程、失效场景和优化方法系统整理一遍，帮助自己把这块知识真正吃透。

基于 VMware 与 Ubuntu 搭建一主二从 Kubernetes 集群，包含网络配置、节点加入与 Nginx 部署验证流程。