这套专栏讨论如何把 AI Agent 从概念、Demo 和单点能力，推进到真实产品和生产系统。它关注 Agent 工程里反复出现的核心问题：目标定义，系统拆分，能力组合，风险控制，效果评估，产品上线Trace。
Agent 和传统软件、普通 LLM 应用都有明显差异，传统软件依赖确定流程，普通 LLM 应用多停留在一次输入和一次输出，Agent 则需要在目标、上下文、工具、记忆、推理和反馈之间持续决策，只要系统开始调用工具、跨步骤执行、保留状态并根据反馈调整路径，它就进入了工程化难度更高的区域。
这个系列会从基础能力讲到框架选型，再进入典型产品拆解，最后收束到产品化、工程教训和上线清单。读完以后，你应该能判断一个 Agent 项目是否值得做，第一版系统应该怎么搭，哪些能力必须自己掌握，哪些部分可以交给框架和平台。
适合谁
| 读者 | 你会得到什么 |
|---|---|
| 想把 AI Agent 做成真实产品的工程师 | 理解 Agent 的核心组件、执行链路、工程边界和上线要求 |
| 需要为团队选型和搭系统的架构师 | 建立框架选型、工作流设计、记忆系统、工具调用和评估体系的判断标准 |
| 希望理解 Agent 能力边界和落地路径的 AI 产品负责人 | 看清 Agent 适合解决什么问题，产品化过程中需要哪些兜底和体验设计 |
| 正在做 AI 应用落地的团队负责人 | 用一套清单检查目标、数据、流程、成本、风险和团队协作是否准备好 |
解决什么问题
| 问题 | 专栏里的回答 |
|---|---|
| Agent 和传统软件、纯 LLM 应用有什么差异 | 从软件开发范式、Prompt 控制、状态管理和工具调用解释 Agent 的系统特征 |
| 一套生产级 Agent 系统需要哪些核心组件 | 拆解 Prompt、记忆、工具、推理、执行框架、可观测性和评估体系 |
| 如何选择 Agent 架构和框架 | 比较 Minimal Agent、Workflow、Dynamic Planning，以及 LangGraph、Claude Code、Pi 等框架思路 |
| 怎样把 Agent 从想法推进到上线 | 从目标定义、评估集、MVP、灰度、监控、复盘和团队能力建设逐步推进 |
| 为什么 Demo 容易，产品化困难 | 讨论稳定性、可控性、知识治理、数据闭环、用户体验和组织协作的实际门槛 |
专栏目录
Open 专栏目录
第一篇：Agent 如何重塑软件开发范式
这一篇建立 Agent 工程化的基础认知，说明 Agent 为什么会改变软件开发方式，以及它和传统软件工程的差异。
第二篇：Prompt 是 Agent 系统的行为控制入口
这一篇讨论 Prompt 在 Agent 系统里的工程作用，包括角色设定、示例约束、输出格式、工具调用和稳定性控制。
第三篇：Agent 的记忆系统应该怎么设计
这一篇拆解 Agent 的记忆系统，覆盖上下文窗口、RAG、三层记忆、经验沉淀、记忆整理与评估。
第四篇：Agent 如何调用工具连接真实世界
这一篇讨论 Function Calling、MCP、代码执行、沙箱、Browser Agent、Skills 和工具调用安全边界。
第五篇：怎样让 Agent 具备真正的推理能力
这一篇讲任务分解、思维链、自我一致性、Reflexion、ReAct、Plan-and-Execute 和代码推理。
第六篇：Agent 框架应该怎么选
这一篇建立执行框架选型方法，讨论如何根据任务复杂度、可靠性要求和团队能力选择控制方式。
第七篇：LangGraph 框架解析
这一篇用 LangGraph 解释可控 Agent 工作流，重点关注状态图、节点、边、路由、持久化和可观察性。
第八篇：Claude Code 解析
这一篇拆解长任务 Agent 的运行方式，关注计划、工具、浏览器、文件系统、执行状态和任务恢复。
第九篇：Pi 框架解析
这一篇讨论极简 Agent 框架的价值，说明在什么场景下小框架比复杂编排更合适。
第十篇：如何搭建 Agent 可观测与评估体系
这一篇讨论 Trace、日志、评估集、在线反馈、失败样本回流和持续优化机制。
第十一篇：如何构建一个类 Manus 产品
这一篇把前面的能力组合到通用任务 Agent 中，拆解类 Manus 产品需要的核心系统。
第十二篇：如何构建一个类 Deep Research 产品
这一篇讨论研究型 Agent 产品，重点关注搜索、规划、资料阅读、多源整合、引用和报告生成。
第十三篇：如何构建一个社媒运营 Agent 产品
这一篇拆解社媒运营 Agent，覆盖热点监测、品牌匹配、内容生成、素材制作、发布互动和数据复盘。
第十四篇：Agent 从概念走向产品
这一篇讨论 Agent 产品化，重点关注用户体验、可控性、成本、灰度上线和商业价值验证。
第十五篇：构建 Agent 工程的教训
这一篇持续记录 Agent 从架构设计、团队协作到产品化落地过程中的工程教训。
第十六篇：一份 Agent 上线自检清单
这一篇把目标定义、评估集、架构选型、工具记忆、可观测性、产品化和团队建设收束成上线检查表。
特别篇
上下文工程：LangChain & Manus 五大策略与实践
这一篇集中讨论上下文工程，适合在学习记忆系统、长任务执行和多 Agent 协作时反复对照。
Harness 工程：OpenAI & Martin Fowler 定义 Agent 工程新范式
这一篇讨论 Harness Engineering，重点是文件系统、沙箱环境、知识管理、架构约束和工程化执行环境。
构建可靠 Agent 工程的 12 条原则
这一篇总结可靠 Agent 工程的关键原则，适合在做架构评审、上线评审和团队共识建设时使用。
阅读建议
如果你刚开始系统学习 Agent 工程，可以按 1 到 6 篇顺序阅读，先建立基础能力和架构判断。接着阅读 7 到 9 篇，理解不同框架背后的控制方式。然后阅读 10 到 13 篇，把评估体系和典型产品形态连接起来。最后阅读 14 到 16 篇，进入产品化、工程教训和上线自检。
如果你已经在做 Agent 项目，可以先看第十篇、第十五篇和第十六篇，用评估、教训和上线清单检查当前系统。遇到具体问题时，再回到 Prompt、记忆、工具、推理和框架对应章节。
这套专栏最终想回答一个问题：怎样把 Agent 做成可运行、可评估、可维护、可持续迭代的产品。只有系统能力、产品判断和工程纪律一起成立，Agent 才能从演示走向真实业务。