Agent 核心模式

从最小的 ReAct 循环开始，再学习规划、记忆、上下文工程和执行框架。

文章	重点
ReAct 模式	推理与行动交替的 Agent 骨架
任务规划与分解	长任务拆解、执行和重规划
记忆机制	短期上下文与长期记忆
记忆压缩	对话变长时怎么压、压什么、取舍在哪
上下文工程	在有限窗口中安排恰好够用的信息
智能体执行框架工程	把 Agent 做成可恢复、可审计的软件系统
Agent Skills：用 SKILL.md 封装可复用的任务能力	用可加载的任务说明组织流程、工具和验收标准

文章学习清单

练习按文章分组放在入口页，文章正文专注于概念和案例。每个问题都配有详细参考答案，完成实验时请同时记录 token、延迟、错误和安全边界。

ReAct 模式

• 用纯提示词和 stop 参数手写一个 ReAct Agent，体会文本解析的脆弱

  • 参考答案：要求模型输出 Thought 和 Action，再用解析器提取工具名与参数。格式稍有变化、括号或引号不完整、一次输出多个动作时，字符串解析就可能失败。验收至少保留一个失败样例，并加工具白名单、参数 JSON 校验、最大轮数和异常回传，不能假设模型永远遵守格式。

• 用原生 tools 机制实现同样的 Agent，对比稳定性

  • 参考答案：原生工具调用提供结构化工具名和参数，assistant.tool_calls 与 role: tool 消息能按 id 配对，业务代码不再依赖正则。用相同问题和错误场景比较解析成功率、重试行为和日志可追踪性，同时说明原生 tools 仍需服务端参数校验和权限检查。

• 在 system prompt 中要求调工具前先说明目的，确认 content 中能拿到 Thought

  • 参考答案：多数调用前应留下简短行动目的，并能与具体 tool call 关联；但隐藏推理不是可靠的观测数据，即使 content 没有 Thought，Agent 也必须正常运行。最终以行动是否正确、证据是否充分为准。

• 观察模型的 Thought，判断理解、选工具、填参数和继续判断是否合理

  • 参考答案：挑出参数错位、过早收尾或无关调用案例，分别检查 system prompt、工具描述、状态和检索证据，提出可验证的修复。Thought 是调试线索，不是业务授权依据。

• 制造一次参数报错，验证模型能根据 Observation 改参重试

  • 参考答案：工具把错误类型、可修复提示和是否可重试结构化返回，模型在有限次数内修正参数；错误要关联原始 tool_call_id，非法参数不能绕过后端校验，不可重试错误应结束或转人工。

• 制造一次原地打转，观察如何打断

  • 参考答案：让工具返回相同或无效结果，日志应发现相同工具和参数重复调用、没有新观察或状态未推进。重复检测、最大轮数、总 token 预算和超时触发后要安全停止，向用户说明进展并保留 trace。

任务规划与分解

• 让 Agent 输出 JSON 步骤列表，再由外层循环逐步执行

  • 参考答案：计划至少包含目标、步骤 id、动作、输入、产出、依赖、验收条件和失败处理；外层按状态执行，不解析自然语言。日志要区分 pending、running、succeeded、failed、skipped，失败时能定位受影响范围并保留已完成结果。

• 故意把任务拆到 20 多步，对比合理粒度

  • 参考答案：过细计划增加模型调用、上下文交接和失败点，合理粒度应让每步有清晰输入输出且能稳定完成。用 token、端到端耗时、工具调用数和成功率比较，说明哪些步骤应合并、哪些必须拆开。

• 加一个反思环节，完成后让模型自查并修正

  • 参考答案：反思节点按完整性、事实证据、格式、约束和副作用清单检查，输出问题及修复动作，而不是泛泛说“结果很好”。故意注入缺失字段或错误数字，确认能发现并触发修正；连续反思必须有次数上限。

• 制造一步失败，让 Agent 只修订受影响步骤

  • 参考答案：失败记录包含错误类型、输入、已尝试方案和受影响下游步骤；重规划只替换必要分支并复用有效产物。检查计划版本差异，确认已完成步骤未重复执行，依赖仍闭合，最终结果不引用失败分支数据。

• 对比同一复杂任务直接 ReAct 与先规划的成功率和 token 消耗

  • 参考答案：评测表至少记录任务成功率、步骤完成率、工具调用数、输入输出 token、耗时和人工修正次数，并区分简单与复杂任务。要能说明规划在哪些任务上提高稳定性、何时额外成本超过收益，不能凭一次运行下结论。

记忆机制

• 给对话 Agent 加滑动窗口，超过 N 轮丢弃最早消息

  • 参考答案：窗口滚动后仍需保留 system prompt、当前任务目标、固定约束、工具调用配对关系和最近若干轮。分别测试依赖开头约束与只依赖最近信息的问题，确认不会忘记目标或用户身份。

• 实现摘要压缩，用摘要替换过长对话

  • 参考答案：摘要要保留目标、已确认事实、决策、未完成事项、约束和来源。比较压缩前后的 token 与回答一致性，重点检查数字、否定、时间、偏好和待办步骤没有被改写。

• 做一个能记住用户名字或偏好的 Agent

  • 参考答案：第一次会话写入结构化记忆，新会话按用户身份读取并只注入必要内容。重启进程后仍可用，换用户不能读到前一用户信息，回答应体现偏好但不泄露存储细节。

• 给 Agent 加 save_memory 工具，让模型判断什么值得写入

  • 参考答案：工具接收内容、类型、重要性、来源和可选过期时间，落库前检查长度、敏感信息和重复。用“请记住我的偏好”和普通闲聊测试，确认显式请求能保存、一次性信息不泛滥写入，失败可记录并向用户说明。

• 制造事实更新，验证旧记忆会更新而非新旧并存

  • 参考答案：新旧事实按同一用户和属性关联，旧版本更新、失效或标记历史。更新后查询只使用当前事实，审计仍能说明谁在何时改了什么；无法确认的新信息不能直接覆盖高可信旧信息。

• 判断哪些内容值得写入长期记忆

  • 参考答案：稳定、可复用、用户允许保存且能改善后续任务的信息（明确偏好、项目固定约束、长期身份事实）通常值得记。一次性问题、临时情绪、未经确认的推测、敏感数据和过期事件不应默认长期保存，还要考虑可查看、删除、更新和访问权限。

上下文工程

• 打印每轮实际发送的完整 messages，统计 token 去向

  • 参考答案：日志应分别统计 system prompt、历史消息、工具定义、工具结果、检索内容和模型输出的输入/输出/总 token，并脱敏。至少找出一个占用明显但对当前决策没有帮助的部分，解释它为何进入上下文以及能否裁剪。

• 找出冗余信息并裁剪或压缩，比较效果与成本

  • 参考答案：保留未优化基线，比较滑动窗口、摘要、去重和工具结果截断后的 token、延迟和成功率。不能只证明变短，还要确认目标、关键约束、来源和未完成事项未丢失，并记录质量下降边界。

• 把读取整页网页的重工具改成子 Agent，只回传摘要

  • 参考答案：主 Agent 应收到结论、证据位置、不确定性和待确认问题的结构化摘要，而不是全文。用同一问题比较改造前后的主上下文长度，抽查摘要能否支撑最终答案，必要时仍可按来源追溯原文。

• 把原始 JSON 工具结果精简成一行关键信息再入上下文

  • 参考答案：工具层去掉状态码、内部字段和重复元数据，只保留决策所需字段，同时保留错误、时间、标识和来源。同一组调用中 token 应明显下降，模型仍能区分成功、失败、空结果和下一步动作，异常不能被吞掉。

• 阅读 Anthropic 的 context engineering 工程博客并对照实现

  • 参考答案：应能用自己的话解释上下文选择、压缩、隔离、外部记事和工具结果整理分别解决什么问题，并在自己的 Agent 中指出至少两个可改进位置，说明影响的是质量、成本、延迟还是缓存命中，而不是只背术语。

智能体执行框架工程

• 区分 Agent、Workflow、Harness 与业务授权

  • 参考答案：Agent 决定下一步意图；Workflow 规定步骤与依赖；Harness 受控执行 Agent，管理状态、工具、策略、预算、恢复和观测；业务授权依据身份与资源规则决定真实操作能否发生。Harness 可以调用授权系统，但不能替代它。

• 解释模型可见内容为何应是会话状态的投影

  • 参考答案：完整内部状态可能包含密钥、调度字段、跨租户数据和大对象，既浪费 token 又有泄露风险。投影器只选择当前任务所需、脱敏且通过权限筛选的信息，同时保留日志和 Artifact 引用，使上下文可追溯、可重建。

• 设计一个高风险工具的执行路径

  • 参考答案：路径应包含 schema 校验、身份与资源授权、风险分类、预算检查、人工审批、沙箱或业务执行、幂等键、超时取消、输出脱敏、事件记录和结果验证。模型只提出调用，不直接拥有执行权限。

• 说明 DeepSeek Harness 的三类事件分别适合什么

  • 参考答案：SessionEvent 保存可持久化、可重放的会话事实；Agent Event 表达运行中的 inbox、step、状态和拦截；Capability Event 把文件系统、工具、遥测等策略或 adapter 接入扩展点。分开后，恢复、控制流和插件扩展不会互相污染。

• 说清 Step、Turn、Run 的关系以及 checkpoint 的作用

  • 参考答案：Step 是一次模型请求及其工具调用；Turn 包含零到多个 Step；Run 是整次任务生命周期。checkpoint 是审批、外部等待或 Worker 崩溃后的安全恢复点，恢复前仍要重新检查权限、预算、取消状态和外部副作用。

• 列出 Coding Agent 在“完成修改”之外的验收证据

  • 参考答案：至少包括基线与最终 diff、受影响文件范围、命令和退出码、lint/typecheck/test 报告、未运行项目及原因、Artifact 链接、配置版本和环境信息。模型说“已完成”只是叙述，不能替代这些证据。

Agent Skills

• 写一个最小的 SKILL.md，让 Agent 完成一份带来源的研究报告

  • 参考答案：入口文件至少包含 frontmatter、适用场景、输入要求、执行步骤、工具规则、失败处理和完成条件。目录可以另外放 references/、scripts/ 和模板，但不要把所有资料一次性塞进正文。验收时用正常请求、缺少范围、来源冲突和工具超时各跑一遍，检查报告是否区分事实、推断和待确认项，且每个关键结论能追溯到来源。

• 区分 Skill、Tool、Workflow、MCP 和 A2A Agent Card 中的 skills

  • 参考答案：Skill 是可复用的任务流程、知识和约束；Tool 是一次外部动作；Workflow 是固定步骤与依赖；MCP 负责发现和调用外部工具、资源与提示词；A2A Agent Card 的 skills 是远程 Agent 对外声明的能力。一个 Skill 可以指导模型调用 Function Calling 工具，也可以使用通过 MCP 发现的工具，但不能自行授予权限或替代业务授权。

• 把一份过长的 Skill 拆成入口、参考资料和脚本，并比较上下文成本

  • 参考答案：SKILL.md 只保留触发条件、决策步骤、边界和引用路径；长规则放 references/，确定性处理放 scripts/。对比拆分前后的输入 token、延迟、工具调用数和任务成功率，确认按需加载没有丢掉关键约束，也没有因为引用文件过深导致模型找不到资料。

• 为 Skill 设计一组“不该触发”的近邻测试

  • 参考答案：围绕触发条件构造相似但不适用的请求，例如“只改写一段已有文字”不应加载带证据的调研 Skill，“没有来源要求的宣传文案”也不应强制进入研究流程。记录触发与未触发结果，检查误触发是否带来额外 token、无关工具调用或错误输出格式；同时保留真正需要该 Skill 的正例，不能只追求低触发率。