这个系列讨论如何把 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等，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、落地经验和上线清单。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
这个专栏适合已经开始关注 Agent 落地的人，它默认你不满足于看一个演示效果，而是想知道 Agent 落地过程的风险控制、上线后的持续迭代等。
- 想把 AI Agent 做成真实产品的工程师。你会理解 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。你会建立框架选型、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。你会看清 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。你可以用这套文章检查目标、数据、流程、成本、风险和团队协作是否准备好。
解决什么问题
这个专栏围绕 Agent 工程的主线问题展开。它不会只停留在概念解释，也不会只介绍框架 API，而是把能力、架构、评估和产品化放到一起讨论。
- Agent 产品和传统软件产品有什么差异。专栏会从 Agent 开发范式、Prompt 自主优化、状态管理和工具调用等多维度解释 Agent 系统的特征。
- 一套生产级 Agent 系统需要哪些核心组件。专栏会拆解 Prompt、记忆、工具、推理框架、执行权限、可观测性和评估体系多个方面。
- 如何选择合适 Agent 架构和框架。专栏会比较 Workflow、Minimal Agent、Harness Framework 等区别，单 Agent 和多 Agent 的选择权衡，并对 LangGraph、Pi 等框架思路进行分析。
- 怎样把 Agent 从想法推进到上线。专栏会围绕目标定义、评估集设计、MVP 开发上线、数据监控、迭代等多个环节进行讲解。
- 为什么 Demo 容易，产品化困难。专栏会讨论稳定性、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
第一部分：基础能力
这一部分建立 Agent 工程的基础组件认知。读完以后，你应该能判断一个 Agent 系统由哪些能力组成，以及每个能力在生产环境里承担什么职责。
- 第一篇：Agent 如何重塑软件开发范式：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：讨论 Prompt 在 Agent 系统里的工程作用，包括输出格式约束、Prompt 自动优化、提示缓存、各种应用场景下的提示框架等。
- 第三篇：Agent 的记忆系统应该怎么设计：拆解 Agent 的记忆系统，覆盖上下文窗口、RAG、三层记忆模式、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：讨论 Function Calling、MCP、代码执行、沙箱、Browser Use、Skills 和安全边界话题。
- 第五篇：怎样让 Agent 具备真正的推理能力：讲任务分解、思维链、自我一致性、Reflexion、ReAct、Plan-and-Execute 等。
第二部分：框架与控制
这一部分讨论 Agent 执行框架和控制方式。重点是理解不同框架如何处理状态、工作流、长任务、工具调用和可控性，框架 API 只是实现细节。
- 第六篇：Agent 框架应该怎么选：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：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：Pi 框架解析：讨论极简 Agent 框架 Pi，说明在什么场景下小框架比复杂编排更合适，如何按需扩展。
- 第九篇：如何让 Agent 执行长程任务：拆解执行长程任务 （Long Horizon Task）的经验，关注计划、人机协同、文件系统、执行状态和任务恢复。
- 第十篇：如何搭建 Agent 可观测与评估体系：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。
第三部分：产品案例
这一部分把前面的能力放进具体产品形态里，拆解通用任务 Agent、研究型 Agent 和社媒运营 Agent 的产品实现。
- 第十一篇：如何构建一个类 Manus 产品：把前面的能力组合到通用 Agent 产品中，拆解类 Manus 产品（Claude Cowork、MiniMax Agent Desktop、扣子空间等）的工作机制。
- 第十二篇：如何构建一个类 Deep Research 产品：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：构建社媒运营 Agent，覆盖热点监测、品牌匹配、内容生成、素材制作、发布等。
第四部分：产品化与上线
这一部分讨论如何从可运行系统走向真实产品，重点是用户体验、可控性、工程教训和上线检查。
- 第十四篇：Agent 从概念走向产品：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：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：把目标定义、评估集设计、架构选型、可观测性建设等组成上线检查表。
特别篇
特别篇用于补充主线之外的关键工程方法，适合在做架构评审、复杂任务设计和团队共识建设时对照阅读。
- 上下文工程：LangChain & Manus 五大策略与实践：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：讨论 Harness Engineering，重点是文件系统、沙箱环境、知识管理、架构约束等。
- 构建可靠 Agent 工程的 12 条原则：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 做成可评估维护、可持续迭代的产品，只有系统架构、业务判断和工程能力一起成立，Agent 才能从演示走向真实业务。