AI Agent开发
Claude Code MCP服务器开发、多Agent协作系统设计、工具调用链路优化、Hooks自动化配置、AI Agent调试与评估方法
共 8 篇文章
Agentic Coding 实战：使用 Claude Code 构建自驱动的多阶段开发工作流
从"助手"到"代理"的范式转变，掌握 2026 年最前沿的 AI 驱动开发工作流。本教程详解 Claude Code 多阶段开发流程，涵盖环境配置、任务分解、自主执行、测试验证、代码审查等全流程，实战构建自驱动的代码生成闭环。
Agent 记忆系统实战：使用向量数据库构建长期记忆存储与检索机制
从零构建基于向量数据库的 Agent 记忆系统，实现跨会话上下文学习与个性化适应能力。涵盖 Pinecone 索引创建、文本向量化、语义检索、LangChain 集成及记忆淘汰机制的完整代码实现。
Agent 工具调用优化实战：使用推测性执行与并行调度提升响应速度 5 倍
掌握 PASTE 架构核心算法：依赖分析、模式预测、推测执行、并行调度，实现工具调用延迟从 800ms 降至 160ms，构建高性能 Tool-Using Agent 系统
Claude Code 工作流编排实战：使用 Tasks API 构建多阶段 Agent 任务规划系统
掌握 Tasks API 核心能力，实现复杂任务的自动拆解、状态追踪与错误恢复。8 个步骤构建生产级 Agent 工作流，包含 CLAUDE.md 配置、任务依赖、状态持久化、熔断重试、Channels 实时通知等完整实战。
AI Agent 评估系统实战：使用 LangSmith + 自定义指标量化 Agent 性能与可靠性
掌握 2026 年 AI Agent 生产环境必备技能：从 Trace 采集、多维度评估到实时监控告警，构建从开发到生产的闭环优化体系。学习 LangSmith Trace 驱动评估、LLM-as-Judge 自动评判、自定义指标量化、成本告警与熔断机制
MCP 服务器开发实战：使用 Python 快速构建自定义 AI Agent 工具
掌握 Model Context Protocol 开放协议，从零构建标准化 AI Agent 工具，实现天气查询、股票查询等实用功能，支持 Claude Code、Cursor 等主流 Agent 框架
Agentic Coding 实战：使用 Claude Code 多 Agent 协作完成复杂软件开发任务
掌握 2026 年最前沿的多 Agent 协作开发模式，让 AI Agent 团队自主完成跨模块软件开发任务。学习 Agent Teams 架构、角色分配、任务分解、并行执行和代码审查全流程。
Agent 记忆系统架构实战：从向量数据库到知识图谱的混合记忆方案设计与实现
单一向量检索已无法满足复杂 Agent 需求。本教程带你从零构建混合记忆架构：向量存储模糊语义、图谱保留因果链条、混合路由实现精准召回。