本文介绍 j-langchain 框架中 Agent 的受控停止与恢复机制。通过 `agent.stop()` 在工具调用安全检查点中止任务，`AgentStoppedException` 携带 `partialContext` 保存已完成步骤，支持断点续传和换指令复用。停止信号通过 `ContextBus` 级联传递到 SubAgent，保证多层嵌套同步停止。覆盖用户取消、超时降级、动态调整任务

本文介绍 j-langchain SubAgent 四大进阶能力：model=inherit 复用主 Agent LLM，llmFactory 按名动态构建模型，allowedTools 白名单借用工具实现最小权限，Skill agents/ 目录内嵌 SubAgent 形成两层嵌套，让多 Agent 系统在模型选择与工具权限上更灵活可控。

本文介绍 j-langchain SubAgent 四大进阶能力：model=inherit 复用主 Agent LLM，llmFactory 按名动态构建模型，allowedTools 白名单借用工具实现最小权限，Skill agents/ 目录内嵌 SubAgent 形成两层嵌套，让多 Agent 系统在模型选择与工具权限上更灵活可控。

本文介绍 j-langchain 框架中的 SubAgent（子代理），对比 Skill 说明其拥有自有工具、独立配置 LLM 的优势。详解 AGENT.md 配置格式、三种用法（独立运行、挂载主 Agent、代码构造）及选择依据，帮助 Java 开发者构建高内聚、低耦合的专业领域子代理。

本文介绍 j-langchain 框架中的 SubAgent（子代理），对比 Skill 说明其拥有自有工具、独立配置 LLM 的优势。详解 AGENT.md 配置格式、三种用法（独立运行、挂载主 Agent、代码构造）及选择依据，帮助 Java 开发者构建高内聚、低耦合的专业领域子代理。

本文介绍 j-langchain 的 Skill Agent 机制，解决单 Agent 可复用性差、提示膨胀、可测性差三大痛点。Skill 对外暴露为普通 Tool，对内是完整 Agent，通过 SKILL.md 配置文件声明工作流。支持三种模式：classpath+Master（工具借用）、代码构造 SkillConfig（无文件依赖）、Skill 独立运行。实现子工作流封装复用，主 Agent

本文介绍 j-langchain 的 Skill Agent 机制，解决单 Agent 可复用性差、提示膨胀、可测性差三大痛点。Skill 对外暴露为普通 Tool，对内是完整 Agent，通过 SKILL.md 配置文件声明工作流。支持三种模式：classpath+Master（工具借用）、代码构造 SkillConfig（无文件依赖）、Skill 独立运行。实现子工作流封装复用，主 Agent

DeepSeek V4以极致低价改写国产大模型商业逻辑，API进入"厘级计费"时代。其不仅价格极低，代码、推理、长文本等能力也达第一梯队，使AI从"尝鲜工具"变为"基础设施"。此举将催生AI创业潮，迫使行业分层：低价走量、高价专业、行业解决方案三层格局初现，2026年大模型竞争正式进入成本效率与商业落地阶段。

本文探讨MCP Tool落地的关键细节：Tool的name/description/schema生成方式、参数描述对模型调用的影响、不建议直接走Controller的原因，以及Python/TypeScript/Java的实现差异。核心原则是MCP Tool不是传统API转发，而是面向模型重新设计的业务能力，需做好参数校验、鉴权、脱敏和格式转换。

本文介绍 j-langchain 中双 Agent 自我纠错代码生成模式：Write Agent 负责写代码，Test Agent 负责写测试并编译执行，通过 `loop()` 节点显式协调，最多 3 轮。利用 MCP filesystem 读写文件、`javax.tools.JavaCompiler` 进程内编译、URLClassLoader 避免类缓存，ContextBus 共享测试状态，实现