这一章我们正式开始学习和使用 agents，我们会通过几个例子去解析 agents 内部的运行流程，去分析 llm 是如何思考、分析、调用工具、观察结果以及做出最终决定。通过这些例子，你会更加理解，我们整个小册一直在说的理念：将 llm 作为推理引擎。具体来说，我们应该通过 RAG、web 等等方式去获取解决问题的充足信息，然后将 llm 作为自然语言的理解和推理引擎据此给出答案，Agents 就

这一章我们正式开始学习和使用 agents，我们会通过几个例子去解析 agents 内部的运行流程，去分析 llm 是如何思考、分析、调用工具、观察结果以及做出最终决定。通过这些例子，你会更加理解，我们整个小册一直在说的理念：将 llm 作为推理引擎。具体来说，我们应该通过 RAG、web 等等方式去获取解决问题的充足信息，然后将 llm 作为自然语言的理解和推理引擎据此给出答案，Agents 就

这一章我们开始正式接触 Agent 这个非常火的概念，我们不会从非常学术的角度去探讨，而是从工程和实际出发，去讨论它的可用性、实用性、什么时候可以用、什么时候不要用等信息。我们先聊 Agent 是什么？事实上并没有特别严谨的定义，目前对 Agents 领域还处于探索的状态。就目前的理解，Agents 是一个自主的决策和执行过程，其核心是将 llm 作为推理引擎，根据 llm 对任务和环境的理解，并

这一章我们开始正式接触 Agent 这个非常火的概念，我们不会从非常学术的角度去探讨，而是从工程和实际出发，去讨论它的可用性、实用性、什么时候可以用、什么时候不要用等信息。我们先聊 Agent 是什么？事实上并没有特别严谨的定义，目前对 Agents 领域还处于探索的状态。就目前的理解，Agents 是一个自主的决策和执行过程，其核心是将 llm 作为推理引擎，根据 llm 对任务和环境的理解，并

ES8到ES16新特性演进总结 ES2017(ES8)引入Async/Await简化异步编程，Object.values/entries优化对象操作，padStart/padEnd增强字符串处理。ES2018扩展对象Rest/Spread语法，新增正则命名捕获组和Promise.finally。 ES2019提供数组扁平化方法flat/flatMap和Object.fromEntries转换键值对

类是用于创建对象的模板，根据这个模版，我们可以使用new关键字创建出很多具有不同属性值和行为的对象作用：在鸿蒙开发中，我们可以使用类来进行对象的创建例如：const date =new Date()// 类名 首字母大写（规范）class 类名{// 属性// 方法// 构造函数// 使用类 实例化对象 基于类 创建对象const x:类名 = new 类名()创建一个新对象函数内部的this指向

Form Kit（卡片开发服务）提供一种界面展示形式，可以将应用的重要信息或操作前置到服务卡片（以下简称“卡片”），以达到服务直达、减少跳转层级的体验效果。卡片常用于嵌入到其他应用（当前被嵌入方即卡片使用方只支持系统应用，例如桌面）中作为其界面显示的一部分，并支持拉起页面、发送消息等基础的交互能力。

如果函数中定义的变量与外部作用域中已有实例同名，则函数内的局部变量定义将覆盖外部定义。在某种意义上说，递归近似于循环。按位或：如果两个操作数的相应位中至少有一个为1，则将这个位设置为1，否则设置为0。如果两个操作数严格不相等（对于不同类型的操作数认为是不相等的），则返回true。如果两个操作数严格相等（对于不同类型的操作数认为是不相等的），则返回true。按位与：如果两个操作数的对应位都为1，则将

当前AI编程工具已形成四大差异化方向：Cursor基于大模型深度集成开发全流程，实现自然语言对话式编程；Trae主打协作式分步开发，擅长任务拆解；CodeBuddy专注设计开发一体化；Copilot则凭借代码补全成为通用工具。在贪吃蛇游戏的对比测试中，Cursor展现出最优性能，能一次性完成包括双蛇对战在内的复杂需求，调试优化体验突出。测试表明，2025年AI编译器正推动编程范式从"人找

当前AI编程工具已形成四大差异化方向：Cursor基于大模型深度集成开发全流程，实现自然语言对话式编程；Trae主打协作式分步开发，擅长任务拆解；CodeBuddy专注设计开发一体化；Copilot则凭借代码补全成为通用工具。在贪吃蛇游戏的对比测试中，Cursor展现出最优性能，能一次性完成包括双蛇对战在内的复杂需求，调试优化体验突出。测试表明，2025年AI编译器正推动编程范式从"人找