AI 全栈知识库

AI 与 Agent

从模型能力边界到可评测、可观测、可治理的 Agent 工程。14 篇文章

基础与边界

LLM 应用的能力边界用概率模型、上下文和外部验证理解大模型适合与不适合承担的工作。Agent 的完整生命周期拆解一次 Agent 请求从理解、计划、执行到验证和持久化的状态变化。

编排与工具

LangGraph 与状态编排用显式状态、条件边和扇出扇入构建可恢复的 Agent 工作流。Tool Calling 与工具契约设计从 Schema、权限、幂等和错误语义设计模型可安全调用的工具。MCP 协议与连接生命周期从初始化、能力协商、传输到取消和恢复理解 MCP 的工程边界。Skill、SubAgent 与能力封装设计可发现、可组合、可授权且能独立验收的 Agent 能力单元。

上下文与记忆

上下文工程与压缩设计信息预算、摘要层级和可追溯压缩，避免长对话退化。短期记忆与长期记忆把会话状态、用户偏好和可删除的长期事实分层治理。

RAG 与证据

RAG 数据处理流水线从解析、结构化切片到原子发布，建立可重建的知识数据链路。混合检索、重排与引用组合关键词、向量、结构化检索和重排，并让回答绑定可见证据。

质量与治理

Agent Eval 评测体系用离线样本、在线反馈和版本对比约束 Agent 质量演进。Agent 安全与权限边界以不可信输入、最小授权和证据范围控制提示注入与越权风险。Agent Trace 与质量闭环把模型、工具、检索、状态和引用串成可复现、可评测的执行轨迹。Agent 成本、超时与降级治理用预算、截止时间、模型路由和降级策略控制不可预测的执行成本。