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
- 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。
- 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。
- 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。
- 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
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
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
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
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
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
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
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
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
- rustc.cloud:保留一个博客入口,感兴趣可以按自己的方向挑文章阅读。
- 基于大模型 + 知识库的 Code Review 实践:一个 Code Review 方向的案例入口。可以带着“项目知识怎么提供给模型”“生成的建议怎么验证”这两个问题阅读。
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。
本博客所有文章除特别声明外,均采用 CC BY-SA 4.0 协议 ,转载请注明出处!