agents

141.Agent-多Agent框架-编写并使用Skills摘要：本文基于 Tool Use（Function Calling）机制，实现了一个支持技能（Skill）按需加载的本地智能代理（Agent）。全文围绕「发现阶段」与「激活阶段」两条主线展开：发现阶段通过扫描 .agents/skills 目录下的 SKILL.md 文件，解析 YAML frontmatter 中的技能描述并组装为 Skill 对象；激活阶段则创建 Agent，将技能名称与描述注入系统提示词，并通过 load_skill 工具在对话中按需加载技能内容，实现渐进式技能调用。文章附带了 fr

140.Agent-多Agent框架-Agent执行Skills流程摘要：本文介绍 Agent 使用 Skills 的完整流程，共分为四个阶段：启动时的发现阶段、匹配时的激活阶段、运行时的执行阶段以及完成后的反馈阶段。发现阶段扫描 Skills 目录并生成索引，激活阶段通过语义匹配选出最相关的 Skill，执行阶段按业务逻辑生成步骤并处理代码或参考文档，反馈阶段收集结果并支持效果评估。

139.Agent-多Agent框架-Skills渐进式加载文档摘要：本文介绍了 Skills 的渐进式加载机制，说明其文档如何按需分段加载以避免上下文爆炸，并重点讲解了如何利用这一特性优化 YAML 元数据、Markdown 正文与资源文件的加载策略。

135.Agent-多Agent框架-LangChain多智能体（SubAgents子代理）摘要：本文深入解析 LangChain 中的 SubAgents（子代理）多智能体模式。开篇借助架构图直观呈现主 Agent 与子 Agent 之间的协作机制，继而系统梳理该模式的四大核心特征——集中化、工具化、无状态设计及强制上下文隔离，并逐一阐述六种适合引入子代理的典型场景。随后，文章详细演示如何通过 create_agent 创建子智能体，利用 agent_as_tool 将其封装为可复用的工具并挂载至主 Agent，最终以 Supervisor 统筹数学、英语、语文三位专家协同作业的完整 Pyth

134.Agent-多Agent框架-LangChain多智能体摘要：本文介绍 LangChain 多 Agent 的多种协作模式，包括 SubAgents 子代理、Handoffs 移交、Skills 技能、Router 路由器以及基于 LangGraph 的自定义工作流。这些模式可以组合使用，帮助开发者根据问题动态调度多个智能体协同完成任务。内容参考于：图灵AI大模型全栈

127.Agent-LangChain核心组件-模型输出后json修复内容参考于：图灵AI大模型全栈摘要：本文通过一个完整的 LangChain Agent 中间件实战案例，演示如何利用 before_agent 和 after_model 装饰器实现用户消息预处理与模型输出 JSON 格式的自动修复。文章详细讲解了 repair_json_string 函数中三个正则表达式的修复逻辑（去除 Markdown 代码块标记、删除多余逗号、为未加引号的 key 补引号），并展示了如何将修复后的 JSON 写回消息状态、为 Agent 注册模型输出后的处理函数，最终实现一个可自动

131.Agent-Agent设计模式-MAS多智能体系统（Multi-Agent-System）内容参考于：图灵AI大模型全栈摘要：本文介绍多智能体系统（MAS）的核心概念。单个智能体能力存在上限，难以同时胜任需求、代码开发、测试等多类业务；多Agent系统通过为不同业务创建专职Agent并设定角色，组成完整团队协同完成任务。文中对比了单个Agent与多Agent的工作方式，并梳理了LangChain、LangGraph、OpenAI Agents SDK、AutoGen、CrewAI、DeepAgent等主流多智能体框架的定位与核心特点。

129.Agent-LangChain核心组件-自定义中间件-通过类实现（AgentMiddleware）摘要：本文介绍 LangChain 中通过继承 AgentMiddleware 类实现自定义中间件的方法。与注解方式只能处理单一环节钩子不同，类方式支持在整体流程中精细化控制，可同时实现多个钩子、同步/异步版本及复杂配置。文章详细讲解了中间件的执行顺序（before 按添加顺序、after 按逆序），并提供了完整的 Python 代码示例，涵盖敏感词拦截、权限验证、JSON 格式修复及系统提示词动态覆盖等实用场景。

122.Agent-LangChain核心组件-中间件-动态提示词（dynamic_promapt）摘要：本文介绍 LangChain 中 @dynamic_prompt 注解的用法，讲解如何通过该注解将函数注册为动态提示词中间件，并利用 ModelRequest 类型获取运行时上下文与系统提示词，实现系统提示词的动态覆盖与拼接，最后通过完整代码示例演示动态提示词中间件的配置与调用流程。

120.Agent-LangChain核心组件-中间件-摘要中间件（SummarizationMiddleware）摘要：本文围绕 LangChain Agent 中间件机制展开，通过年会筹备的比喻说明中间件如何监控、管理、限制和兜底 Agent 的执行流程，并介绍 LangChain 提供的默认中间件清单。文章重点讲解摘要中间件（SummarizationMiddleware）的工作原理、触发条件（tokens、messages、fraction）与保留策略（keep），最后给出完整的 Python 代码示例，演示如何配置摘要中间件并验证其效果。

118.Agent-LangChain核心组件-StructuredOutPut结构化输出-工具策略（ToolStrategy ）摘要：本文介绍 LangChain 中 ToolStrategy 结构化输出策略的实现方式。当模型不支持原生结构化输出时，可将 Pydantic、Dataclass、TypedDict 或 JSON Schema 包装成工具，让模型通过工具调用的方式返回结构化数据。文章通过一个产品评价分析示例，演示了如何定义 Pydantic 模型、创建 Agent 并提取结构化结果，同时对比了 ToolStrategy 与 ProviderStrategy 的核心区别，并说明了 ToolStrategy 会在消息历史末

一套专注 Android 逆向分析的 Skills把各方向的分析步骤、工具选择和验证方法整理成独立技能，方便自己查阅，也方便交给支持本地文件读取的 AI 助手使用。

113.Agent-LangChain核心组件-大模型Short-term_memory短期记忆和PostgreSQL记忆存储内容参考于：图灵AI大模型全栈记忆在人工智能体中是很重要的，跟你们人类的记忆一样，如果你们人类没有记忆相比较于有记忆的人类会很不智能，所以人工智能体也是需要记忆才能更加的智能，短期记忆通常是聊天记录，现在对于大篇幅的聊天记录大模型没办法做到百分百记住完整的聊天记录，会存在丢失的情况，就跟你们人类记的东西多了，最早记的东西可能就会忘记，这就会有策略来压缩聊天记录

111.Agent-LangChain核心组件-Tools工具摘要：本文围绕 LangChain 中工具（Tool）的定义与使用展开，重点讲解 @tool 注解的常用参数、Pydantic 的 Field 字段约束方式，以及如何通过 args_schema 将 Pydantic 模型接入工具，帮助大模型正确识别并调用函数。

110.Agent-LangChain核心组件-Messages消息和提示词工程摘要：本文围绕 LangChain 中 Message 这一与大模型沟通的基本数据结构展开，系统讲解消息类型（system、user、assistant、tool）、消息内容（Content）与元数据（metadata）的构成，并通过 message 实例与带角色的类（SystemMessage、HumanMessage、AIMessage、ToolMessage）说明其用法。文章还结合 Agent 使用实例、普通使用实例以及提示词工程，演示如何正确设置系统提示词并调用大模型完成实际任务。

DeepSeek Harness初体验：入门、安装与自定义插件本文讲两件事：怎么装 DeepSeek Harness（dsh），以及怎么写一个自定义插件（从极简到可用）。案例代码在 tmp/cordis-tutorial/，三个案例全程无需 API key。

如何去写一个好的Prompt很多人觉得 AI 不好用，是因为总希望它能“读懂我的心”。但实际上，AI 无法猜测你的背景和潜台词。想让它高效干活，记住三大黄金原则：

一种适合程序员的 Agent 协作方式的实践本文使用 AI 辅助生成，本文章亦是本文章所述实践之产物。生成式 AI 在过去两年间以惊人的速度渗透到各行各业，软件工程领域尤甚。从代码补全到需求分析，从测试生成到运维诊断，几乎每一个环节都能看到 AI 的身影。然而，笔者在尝试将 AI 融入日常工作流程时发现，大多数已有的实践方式都落在两个极端之间。

【LLM应用可靠性】1-Agent 评估体系：从单一指标到 SLO 驱动的体系化评估在 Agent 系统的生产实践中，单纯依赖“任务完成率”这一结果指标，往往难以真实反映系统的稳定性和执行效率。本文将探讨如何通过多维度 SLO（Service Level Objectives）和轨迹评估，构建健壮的 Agent 质量保障体系。

AGENTS.md 编写指南：让 AI 理解你的项目📅 更新于 2026年5月 | ✍️ 原创文章，转载请注明出处本系列共12篇，本文是第3篇AGENTS.md 是 Codex CLI 用来理解项目结构的配置文件，类似于 Claude Code 的 CLAUDE.md。