文章推荐:Agent 与 LLM 相关

本文最后更新于:2026年11月11日 上午

最近在看 Agent 和 LLM 相关的资料,顺手收藏了不少文章、文档和开源项目,分享出来,可以时不时回味一下,也会不断补充。

如果刚开始,可以按这个顺序看

  1. 先建立基本认识:看 Karpathy 的大模型讲解,再读 Claude Code 的工作原理,区分模型本身的能力和 Agent 外围程序做的事情。
  2. 把工具用顺手:了解项目指令、提示词和 Skills,拿一个小任务试试,比如修复报错或补充测试。
  3. 理解上下文怎么组织:读 Manus 和 Cursor 的文章,看看文件、工具结果、历史记录是怎样进入模型上下文的。
  4. 找一个项目动手:从客服 Demo、开源编码 Agent 或规范驱动开发工具中选一个,跑通最小流程,再研究实现。

如果已经用过一段时间 AI 编程工具,可以直接从“上下文工程”这一节开始。

一、入门:先理解模型与 Agent

Karpathy:深入探索像 ChatGPT 这样的大语言模型

视频:安德烈·卡帕西——深入探索像 ChatGPT 这样的大语言模型

很好的入门LLM的视频,将了一个model的大致步骤,从数据清洗,预训练,基模到后训练;上手也不难,可以白嫖 google的卡 去训练一个小的模型。作为一个了解 大模型是怎么产生的还是很不错的,后续还可以深入 机器学习,强化学习等。

Claude Code 是怎么工作的

How Claude Code works · 官方文档

这篇适合用来理解编码 Agent 的基本工作方式:收集上下文、采取行动、检查结果,再根据反馈继续下一轮。读的时候,可以对照一次实际任务,看看它什么时候读文件、什么时候调用工具,以及拿到结果后如何继续。

建议重点关注:一个任务能不能完成,除了模型回答得好不好,还取决于它能获取哪些信息、使用哪些工具,以及怎么验证结果。

二、日常使用:让 Agent 更了解项目

Claude Code 最佳实践

Claude Code 最佳实践 · 官方文档

已经开始用 Claude Code,但效果有时好、有时差,可以先看这一篇。重点是把项目里隐含的信息说清楚,并给出可以运行的检查方式。

例如“帮我修好这个接口”还不够具体,可以补上复现步骤、预期行为和测试命令。读完后挑一个手头的小任务,比较补充这些信息前后的结果,比单纯收藏技巧更有帮助。

.claude 目录里都放了什么

探索 .claude 目录 · 官方文档

项目指令、个人设置、Skills、Hooks 等内容容易混在一起。这篇可以当作配置入口的索引,在需要时查对应文件放在哪里、作用范围是什么。

建议先分清项目配置和个人配置,再按需要添加内容。多人协作时,尤其可以想一下:哪些约定应该跟随仓库共享,哪些只是自己的使用偏好?

提示词设计

提示词设计 · Cursor 博客

这是一篇较早的文章,用网页设计类比提示词设计,讨论清晰表达、动态输入、内容组合和上下文空间限制。部分背景有时代性,但“查看最终拼出来的提示词”这个思路仍值得借鉴。

如果在做自己的 Agent,可以检查一下:模板加上用户输入、项目说明和工具结果后,模型实际收到的内容是否清楚?有没有重复、冲突,或者关键要求被埋在大段日志里?

Skills:把重复任务整理成可复用的流程

Agent Skills · Cursor 官方文档

Skills 可以用文件组织特定任务的说明,并附带相关脚本或资源。适合拿来思考:哪些经常重复的工作,值得从临时对话整理成可复用的流程?

可以先选一个范围明确的任务,例如按项目规范写提交说明、执行固定检查,写清楚适用场景、输入和完成标准,再观察实际使用时还缺什么。

三、上下文工程:让 Agent 在需要时拿到信息

Claude Code 的上下文窗口

探索上下文窗口 · 官方文档

这篇用交互式演示说明会话中的内容如何占用上下文:项目指令、读取的文件、工具结果和历史消息都会参与其中,还涉及压缩后哪些内容会保留或重新加载。

适合先建立一个直观认识:一次任务里,模型看到的内容会不断变化。遇到长任务效果下降时,可以先检查窗口里装了什么,再考虑调整加载和压缩方式。

Manus:构建 Agent 时的上下文工程经验

AI 代理的上下文工程:构建 Manus 的经验教训

这篇把视角放到 Agent 的工程实现。适合带着一个具体问题读:Agent 连续执行很多步以后,哪些信息应该继续带着,哪些适合放到文件里按需读取?

阅读时可以把文中的经验和自己的任务对照起来,记录一个可以验证的改进点。来自特定产品的实践,迁移到自己的工具和运行环境后,还需要观察实际效果。

Cursor:动态发现上下文

Dynamic context discovery · Cursor 博客

这篇介绍了把较长的工具输出、聊天历史和终端输出保存为文件,让 Agent 按需查找的做法,也讨论了 Skills 和 MCP 工具描述的动态加载。

值得关注的是它处理长输出的方式:保留可以回查的完整内容,再让 Agent 读取相关部分。自己实现时,可以观察这是否减少了重复加载,以及 Agent 能否在需要时找回关键细节。

代码仓库索引:延伸阅读

How Cursor Actually Indexes Your Codebase · Towards Data Science

这是一篇第三方分析,可以作为理解代码库索引的补充入口。阅读时可以关注代码切分、检索和上下文选择之间的关系;涉及 Cursor 当前实现的细节,仍应以官方资料和可验证的行为为准。

四、工程实践:控制执行过程,观察运行结果

Hooks:在执行节点加入处理逻辑

使用 Hooks 拦截和控制代理行为 · Claude Agent SDK 文档

这里介绍的是 Agent SDK 的 Hooks,适合正在用 SDK 构建 Agent 的朋友。它通过事件回调,在工具执行前后或会话生命周期的相应节点运行处理逻辑。

可以重点看三个问题:如何拦截一次不允许的工具调用,如何记录执行结果,以及如何根据事件补充上下文。实际接入时,要核对所用 SDK 版本对应的事件和返回格式。

OpenTelemetry:看清 Agent 的运行过程

使用 OpenTelemetry 进行可观测性 · Claude Agent SDK 文档

当 Agent 能跑起来之后,通常还需要知道:时间花在哪里、调用了哪些工具、消耗了多少 token,以及失败发生在哪一步。这篇介绍如何把相关遥测数据导出到支持 OTLP 的后端。

适合从一次具体的失败任务开始:沿着记录回看每一步,判断问题出在模型请求、工具执行,还是结果处理,再决定如何改进。

Cursor:走向自主运行的代码库

Towards self-driving codebases · Cursor 博客

这篇介绍了长时间运行、多 Agent 编码系统的实验和架构演变,涉及任务分工、执行反馈、协作开销和正确性之间的取舍。

推荐关注尝试失败的部分:简单共享状态为什么会产生协调问题,一个角色承担太多职责又会发生什么。它是研究场景中的工程记录,适合借鉴问题和取舍,再判断自己的任务是否需要类似架构。

五、开源项目与工具:选一个动手试试

DeepWiki:阅读开源项目的辅助入口

DeepWiki

强力推荐用来辅助了解陌生仓库。可以先通过项目文档和问答建立整体认识,再回到源码确认具体实现。

比如先问“这个项目的主要模块是什么”“某个功能的入口在哪里”,再沿着文件和调用关系往下看。涉及重要结论时,最好把相关代码、测试或运行结果一起对照起来。

几个值得研究的项目

项目 定位 可以带着什么问题看
Dyad 本地运行的开源 AI 应用构建工具 从用户需求到应用生成,产品把哪些步骤串了起来?
OpenCode 开源编码 Agent 一次编码任务如何组织模型交互、工具执行和结果反馈?
OpenSpec 面向 AI 编程助手的规范驱动开发工具 如何在实现前把需求和变更范围写清楚,并在后续核对?
OpenAI Support Agent Demo 使用 Next.js、Responses API 和 File Search 的客服界面示例 知识检索和对话界面如何接起来,答案怎样呈现给用户?

不用同时跑完这些项目。挑一个和当前需求最接近的,先按 README 跑通最小流程,再沿着一次请求追踪实现,会更容易看懂。

钉钉生态:连接实际业务工具

  • 钉钉 AI Hub MCP 入口:适合查找钉钉生态的 MCP 接入入口,具体能力和接入要求以页面说明为准。
  • DingTalk Workspace CLI:钉钉官方开源的跨平台命令行工具,面向人工操作和 AI Agent 场景。

如果想做办公场景的 Agent,可以从一个小需求开始,比较 MCP 和 CLI 两种接入方式需要怎样配置、返回什么结果,以及哪一种更适合自己的运行环境。

六、博客与业务案例补充

看业务案例时,建议多追问一步:它解决的具体问题是什么,效果是怎么判断的,换到自己的项目还缺哪些条件?这样更容易把文章里的思路变成可以尝试的方案。

最后:读完之后,留一个能验证的结果

资料会越来越多,可以给自己定一个小目标:每读完一篇,至少回答一个原来没想清楚的问题,或者在项目里做一次小实验。

比如读完上下文工程,检查一次任务里是否反复携带了无用日志;读完 Skills,整理一个自己每周都会重复的流程;读完可观测性,尝试把一次失败的执行过程查清楚。

Agent 是一个变化很快的方向。这份清单也会继续补充,希望能以兴趣为导向,一边学习,一边实践。

最后,借用史蒂夫·乔布斯引用过的那句话:

Stay hungry. Stay foolish.

求知若饥,虚心若愚。