做出一个能运行、能解释、能验证的 Agent，逐步建立 LLM 应用知识地图。“所有”表达愿景，不承诺覆盖全部知识。

应用主线

• 基础与核心循环：模型调用、消息与输出、工具回填、结束条件。
• 组织与任务编排：工作流、任务拆分、路由与并行，单 Agent 与多 Agent 的取舍。
• 上下文工程：指令、历史、状态、记忆，以及数据处理、检索与更新。
• 工具与扩展：工具接口、错误与副作用，按需使用 MCP、Skill、Hook。
• Harness 与运行保障：状态恢复、超时与重试、权限隔离、部署与成本控制。
• 评估、观测与改进（Evals）：成功标准、失败用例、过程追踪与回归验证。

从明确任务和验收开始，跑通最小循环，再按需补上下文、工具、运行保障与编排。评估和安全贯穿全程，不要求堆齐所有机制。

模型适配扩展

独立选修：训练数据、微调与 LoRA、偏好优化、模型评估及部署接入。先判断应用侧改进是否足够，再考虑改变模型；用同一任务比较效果、成本与延迟，验证兼容性。

交付与内容

交付可复现的 Agent、关键取舍、验证证据与遗留问题。具体题目和标准待定，模型适配不阻塞主线完成。

外部课程提纲参考已记录，供后续比较取舍，不作为本期定稿。

知识进入工程或算法，方法进入最佳实践；这里仅串联路线，逐项补充。

返回活动 · 待办