本文面向 Agent 初学者，用简单 Python 代码演示了工具调用的核心三步——定义注册表、根据工具名查找函数、执行并返回结果，帮助读者理解 LLM 的文字输出和真正执行工具之间那座"注册表桥梁"是怎么搭建的。

本文介绍了 Agent Planning 的核心设计思想，解释了为什么 LLM 天然不具备规划能力（当前上下文 ≠ 完整任务状态，当前最优 ≠ 全局最优），以及如何通过 Planning + ReAct 混合模式让 Agent 在复杂任务中保持执行方向，并通过触发式 Replan机制应对执行过程中的意外情况。

【小白必看】 一个工具 + 一个循环 = 一个 Agent。本文意在拆解 AgentLoop 的最小实现，帮助读者理解LLM和Agent的最本质区别。

本文从 AgentLoop 的设计缺陷出发，分析了工具循环调用的三种成因，介绍了重复调用检测、相似调用检测、累计次数检测三种检测手段，以及软阻断、硬阻断、Hook 拦截三种阻断策略，并给出了整合使用的完整防护方案。

本文介绍了记忆的三层模型：短期记忆（当前会话的上下文窗口）、情景记忆（历史会话的 RAG检索）、语义记忆（从对话中提炼的用户画像），并通过 Python 代码演示三层各自的存储、检索和更新机制。

本文旨在帮助 Agent 初学者理解 Text2SQL 的核心原理，通过 Spring AI 的 @Tool 注解注册 getDatabaseSchema 和 executeQuery 两个工具，演示如何让 Agent 自然语言生成 SQL 并执行查询。

本文旨在介绍 SubAgent 的核心设计思想，解释为什么单 Agent 架构会因上下文膨胀而失效，以及 SubAgent如何通过上下文隔离和压缩机制让主 Agent 保持轻量高效的决策能力。

本文梳理了上下文窗口有限带来的核心问题，并围绕压缩、隔离、按需加载、持久化四个策略展开，帮助读者理解为什么Agent 会"越用越笨"，以及如何在有限的 token 窗口里让模型始终看到最有价值的信息。

【小白必看】本文意在简介Hook，并通过定义注册表、注册函数、触发函数三个步骤，带你理解 Hook 的核心实现原理，并以 Agent Loop 中的日志记录和危险命令拦截为例，演示 Hook 的实际应用。

本文以电商订单系统为案例，走完从需求分析、领域建模到 Spring Boot代码落地的全流程，串联前八篇讲过的实体、值对象、聚合、领域服务、领域事件、Repository、分层架构、CQRS全部概念，并在最后讨论 DDD 的适用边界和贫血/充血模型的选择。