本文用 Node.js 串起了一个 EPUB 问答助手的完整链路：用 adm-zip 与 cheerio 解析电子书，按句子边界做带重叠的文本切片，用本地 Embedding 模型建立向量索引，通过余弦相似度召回相关片段，最后把片段拼进提示词交给大模型生成有依据的回答。整条链路没有黑盒，每个环节都可以单独替换和调优。下一步可以尝试的方向包括：引入 BM25 与向量检索的混合召回、增加重排序模型、把

从 Vue、React 转到 Agent 开发，最容易踩的坑不是模型能力不够，而是把提示词当成一段随手拼接的字符串。前端同学对字符串模板并不陌生，但提示词模板和普通模板有本质区别：它需要支持变量注入、多轮消息结构、部分填充、输出格式约束，还要能被复用和测试。这几件工具，就能把零散的提示词变成可维护、可测试的工程资产。这一步是 Agent 记忆能力的基础：只要把历史消息维护好，模板就能自动拼出完整的

Agent 这个方向现在确实有点“概念先行”。LangChain 被吐槽封装过重，Multi-Agent 经常被做成“多个 Agent 互相甩锅”，A2A 也还在早期。降低集成成本、控制复杂度、打通系统边界。面试时真正加分的，不是知道这些名词，而是能说清楚“什么场景下不该用它”。至于我那次反问——面试官擦汗的样子，我到现在还记得。

AGENTS.md 的核心价值，是把团队积累的编码经验沉淀成一份 AI 能读懂、能执行的规范文件。它不需要很复杂，但必须具体、可操作、持续迭代。从 60% 到 95% 的跨越，靠的不是更强大的 AI 模型，而是一份写清楚「怎么做」的 AGENTS.md。如果你也在为 AI 代码质量发愁，不妨从今天开始，为你的项目写一份 AGENTS.md。

AI Agent（智能体）是一种能够感知环境、自主决策并执行任务的人工智能系统。与传统单次问答式 AI 不同，Agent 具备目标拆解、工具调用、记忆管理和自我反思等能力，能够在复杂场景中持续工作直至完成任务。简单来说，传统 AI 是「你问我答」，而 Agent 是「你给目标，我来执行」。例如，让 AI 帮你订机票，传统 AI 只能告诉你如何订，而 Agent 可以自动查询航班、比价、下单并发送确

AI Agent（智能体）是一种能够感知环境、自主决策并执行任务的人工智能系统。与传统单次问答式 AI 不同，Agent 具备目标拆解、工具调用、记忆管理和自我反思等能力，能够在复杂场景中持续工作直至完成任务。简单来说，传统 AI 是「你问我答」，而 Agent 是「你给目标，我来执行」。例如，让 AI 帮你订机票，传统 AI 只能告诉你如何订，而 Agent 可以自动查询航班、比价、下单并发送确

《前端工程师转型AIAgent开发指南》摘要：前端开发者转型AIAgent具备独特优势，其UI交互、状态管理等工程能力可直接迁移。转型需明确目标方向（Agent开发/RAG应用/Prompt工程），分五阶段推进：1-2周建立AI基础认知（Token/Prompt/FunctionCalling等）；3-4周掌握Python与API调用；5-8周深入LangChain等框架开发客服Agent/RAG

《前端工程师转型AIAgent开发指南》摘要：前端开发者转型AIAgent具备独特优势，其UI交互、状态管理等工程能力可直接迁移。转型需明确目标方向（Agent开发/RAG应用/Prompt工程），分五阶段推进：1-2周建立AI基础认知（Token/Prompt/FunctionCalling等）；3-4周掌握Python与API调用；5-8周深入LangChain等框架开发客服Agent/RAG

摘要： AIAgent（智能体）是具备自主决策与行动能力的智能系统，基于大语言模型构建，通过“模型+规划+工具+记忆”架构实现任务理解、拆解、工具调用及自我优化。其核心特征包括自主性和社会性，应用覆盖智能客服、代码生成、数据分析等场景，多智能体协作可处理更复杂任务。当前挑战涉及可靠性、安全性和成本控制。作为大模型时代的关键应用，AIAgent将持续革新人机交互模式，未来或成为各领域的核心智能伙伴。

摘要： AIAgent（智能体）是具备自主决策与行动能力的智能系统，基于大语言模型构建，通过“模型+规划+工具+记忆”架构实现任务理解、拆解、工具调用及自我优化。其核心特征包括自主性和社会性，应用覆盖智能客服、代码生成、数据分析等场景，多智能体协作可处理更复杂任务。当前挑战涉及可靠性、安全性和成本控制。作为大模型时代的关键应用，AIAgent将持续革新人机交互模式，未来或成为各领域的核心智能伙伴。