近年 AI 应用技术串讲与优质文档分享｜Agent、Skill、OpenClaw、Harness……
文章目录 15 个章节
正文开始
LLM
- 论文：Attention Is All You Need
- 架构分类：
- 粉色：Encoder-Only
- 绿色：Encoder-Decoder（经典架构）
- 蓝色：Decoder-Only（当前更主流）
Prompt Engineering
- 文章链接：提示词工程笔记
Fine-tuning（微调）
RAG（检索增强生成）
Function Call
Function Call 数据流示意
用户 → AI应用程序 → 第三方API → 大模型
MCP（Model Context Protocol）
- 文档：MCP Introduction
- 说明：您的AI应用程序就是MCP Host，AI应用程序内置了MCPClient，就像MySQL Client、Redis Client一样。
Agent
- 论文：ReAct: Synergizing Reasoning and Acting in Language Models
- 参考链接：
- Agent Loop：思考 → 行动 → 观察
- Agent 设计模式：
Multi-Agent
Context Engineering
- [LangChain] Context Engineering
- Effective context engineering for AI agents (Anthropic)
- 微信文章
Agent Skill
OpenClaw
- 精简版实现：nanobot
Harness Engineering
Claude Code 源码分享
技术点代码块（总结）
-
LLM
Transformer 架构的提出奠定了大模型时代基础，使基于注意力机制的生成模型成为主流。Decoder-Only（仅解码器）的 Transformer 架构变体是当下最为主流的架构。 -
Prompt Engineering
提示词是用来引导模型按照特定意图生成输出的输入指令，主要包含系统提示词和用户提示词。提示词工程是通过设计和优化提示词，使大模型更准确、可控地产生所需输出，是一种低成本调优手段。 -
Fine-tuning（微调）
微调是在已有模型基础上，用特定数据再训练，让模型更适合某个具体任务或场景。微调要训练模型的参数，LoRA 算法通过只训练少量低秩参数进行微调，大幅降低了训练成本。 -
RAG（检索增强生成）
先从外部知识库检索相关信息，再结合这些信息一起生成回答，从而提升模型的准确性和知识时效性。 -
Function Calling
Function Calling 是让大模型按约定格式输出调用指令，从而由外部系统真正去执行具体操作的一种机制。它让模型从“只会说话”变为“会调用工具”。 -
MCP（Model Context Protocol）
一种标准化协议，用来让大模型以统一的方式连接外部工具、数据源和服务，从而获取上下文信息并执行操作。MCP 使工具可以跨 AI 应用复用，推动社区生态发展。 -
Agent
Agent 是一种能够基于目标进行“思考-行动-观察”循环、能够自主调用工具来完成复杂任务的智能系统。Agent 本质上是对人类的模拟。「提示词 + LLM + Tools」就可以构成一个最简单的 Agent。 -
Multi-Agent
由多个分工协作的 Agent 共同完成任务，通过拆分任务与隔离上下文解决单 Agent 系统难以处理的复杂问题。需谨慎使用以避免 Token 消耗量大、协作效率低、系统复杂度过高等问题。 -
Context Engineering
Agent 运行中需要提供给 LLM 的一切相关信息（如对话历史、用户输入、背景知识、工具结果等）都是上下文。上下文工程关注如何高质量筛选、压缩和组织上下文，从而最大化模型决策与推理能力。 -
Agent Skill
Agent Skills 是一种轻量级的开放格式，用于将一整套 Agent 能力（prompt、工具脚本、知识文件等）封装为可复用模块，从而实现低门槛分享与复用。Agent Skill 本质上约等于一个子 Agent，特别适合 SOP 的沉淀和复用。Agent 会在运行过程中按需激活不同 Skills、按需读取和使用 Skills 文件包里的内容（渐进式披露）。 -
OpenClaw
OpenClaw 是一款开源、高可扩展的 AI Agent 框架，基于 TypeScript 开发，核心用途是构建可自定义的私人 AI 助手。创新之一是拓展了 Agent 的交互入口（如飞书等）。 -
Harness Engineering
Harness Engineering 强调通过构建受控环境，让 Agent 在约束下高效可靠地完成长周期复杂任务。包含围绕 Agent 构建约束机制、反馈回路、可靠上下文等工程实践。