本文介绍了Java工程师转型AI Agent开发的学习内容，重点聚焦于任务追踪系统的设计与实现。文章首先阐述了任务追踪的核心概念，包括其定义（记录任务执行状态）、作用（提供可见性、反馈和问责机制）及优缺点。然后详细讲解了树状任务系统的层级结构设计，包括根任务、子任务和任务树的概念，以及任务状态的类型和转换流程。 文章还结合小米MiMo-Code框架，展示了任务追踪与检查点系统的联动机制，说明了如何

本文是Java工程师转AI Agent学习计划系列的第15天内容，重点介绍了子智能体系统的核心概念与实现。主要内容包括： 子智能体系统本质：作为分工机制，主智能体可按需生成工作者/分析/协调三类子智能体，实现任务分解与并行处理，类比Java中的子线程机制。 关键技术： 共享上下文：通过内存/数据库/消息队列实现信息共享 生命周期追踪：管理子智能体created/running/completed等

本文摘要：文章介绍了AI Agent开发中的持久化记忆机制，重点讲解了四种记忆类型（项目记忆、会话检查点、笔记暂存、任务进展）及其应用场景，并探讨了使用SQLite FTS5实现记忆存储的方案。作者结合小米开源的MiMo-Code框架，通过类比Java技术栈（如数据库+缓存）帮助理解，并提供了记忆管理器的代码示例。文章强调持久化记忆能提升Agent效率、优化用户体验并保持一致性，但也指出可能带来性

摘要：Java工程师转AI Agent开发的第22天学习笔记，重点分析了OpenCode框架的架构设计。OpenCode是框架（类比Spring Boot），MiMo-Code是其上构建的产品。核心设计包括：1）Provider层采用工厂模式+多态支持多AI模型切换；2）Session分层持久化管理（长期/中期/短期记忆）；3）子Agent并行机制提升效率但需注意任务分解与结果合并。文章还提出Op

本文作者宸一分享了自己作为"规划狂魔"的学习困境，并提出了使用AI Agent作为学习搭档的新方法。文章详细介绍了AI Agent的四个核心概念： 对话历史（记忆机制）：通过滑动窗口保留最近对话 工具调用（执行能力）：让AI能调用外部功能 Function Calling（标准接口）：结构化定义工具调用 规划能力（决策思维）：让AI能分解复杂任务 作者将这些概念组合起来，展示了完整AI Agent

摘要： Java工程师转型AI Agent开发的第19天学习记录，聚焦gRPC和AI编程助手。gRPC通过Protobuf二进制序列化和HTTP/2多路复用实现高性能（0.42ms/次调用，比REST快100倍），通过Proto文件定义接口和数据类型实现跨语言调用。实战演示了计算器服务的gRPC实现，并体验了小米MiMo Code的Agent工作流，其工具系统支持文件操作和命令执行。文章对比了gR

本文记录了Java工程师转型AI Agent开发的学习笔记，重点分析了MiMo-Code项目的架构设计。主要内容包括： 项目结构：核心10个模块（Agent配置、工具系统、会话管理等），共730个文件5.9MB代码 架构特点：采用Agent配置与循环分离设计，类似MVC模式，实现职责单一 技术选型：使用SQLite实现本地数据存储，采用"本地优先+云端增强"设计理念 部署方式：支持CLI/桌面/W

本文作者宸一分享了自己作为"规划狂魔"的学习困境，并提出了使用AI Agent作为学习搭档的新方法。文章详细介绍了AI Agent的四个核心概念： 对话历史（记忆机制）：通过滑动窗口保留最近对话 工具调用（执行能力）：让AI能调用外部功能 Function Calling（标准接口）：结构化定义工具调用 规划能力（决策思维）：让AI能分解复杂任务 作者将这些概念组合起来，展示了完整AI Agent

摘要：Java程序员转型AI Agent开发的第7天学习总结 作者以Java开发经验快速掌握FastAPI，将其类比为Python版Spring Boot，实现了Agent的HTTP服务封装。通过RESTful接口设计，完成了聊天核心功能及健康检查等标准API，并利用FastAPI自动生成Swagger文档的特性提升效率。随后引入Docker解决环境一致性问题，用简洁的Dockerfile实现服务

摘要：Java工程师转AI Agent开发的第22天学习笔记，重点分析了OpenCode框架的架构设计。OpenCode是框架（类比Spring Boot），MiMo-Code是其上构建的产品。核心设计包括：1）Provider层采用工厂模式+多态支持多AI模型切换；2）Session分层持久化管理（长期/中期/短期记忆）；3）子Agent并行机制提升效率但需注意任务分解与结果合并。文章还提出Op