进阶收官
做最简单的、能跑的东西
所有复杂的架构设计、精巧的工程模式，最终都指向同一个朴素的真理。
"Do the simplest thing that works"
AI Agent 工程实践
从 Claude Code 源码中学到的三条核心教训
1
Agent 的核心是状态管理，不是智能
所有 Agent 工程化问题最终都归结为同一个问题：什么信息在什么时候、以什么形式出现在上下文窗口里。模型的智能是预训练给的，你控制不了；但上下文的构建、裁剪、排列，是工程师能决定的。
Claude Code 的大部分工程复杂度在于精心管理上下文：什么该放进去、什么该拿出来、什么时候该压缩、什么时候该重置，让模型变聪明反倒是次要的。Context Engineering 是 Agent 工程的核心能力，远不止锦上添花。
2
Harness 编码的是假设，假设会过时
你今天写的每一行脚手架代码，都隐含着对当前模型能力的假设。当模型升级时，这些假设可能全部失效。
真实案例：Claude Sonnet 4.5 存在上下文焦虑：对话变长时模型表现明显下降。团队为此加了 context reset 机制，定期压缩上下文。后来换到 Opus 4.5，焦虑现象消失了，context reset 反而成了降低效率的累赘。启示：你今天写的脚手架，明天可能就需要扔掉。
3
模型在变强，你的工程在变简单
越来越多的辅助逻辑（重试、纠错、格式化、上下文压缩）会随着模型能力的提升变得不必要。最好的工程决策是：今天不写明天可能不需要的代码。
这并不意味着不需要工程化。相反，理解哪些逻辑会随模型进步而过时，哪些是真正持久的架构决策，这种判断力才是最重要的工程能力。沙箱隔离、权限分层、评测体系不会过时；但特定的 Prompt 技巧、特定模型的绕道方案，半年后可能就不需要了。
FULL JOURNEY
四个篇章的完整回顾
PART 1
理解大模型是什么
从 Transformer 的注意力机制到 Token 经济学，从训练过程到涌现能力。大模型是有明确能力边界的概率模型，远不是无所不能的黑盒。
PART 2
学会用大模型
从 Prompt Engineering 到 Few-shot Learning，从 RAG 到 Function Calling。掌握和大模型协作的方法论，让它成为你的效率倍增器。
PART 3
从 Demo 到产品
从「能跑」到「能用」的鸿沟。成本优化、延迟控制、评测体系、安全合规，把一个 AI Demo 变成可靠的生产级产品。
PART 4
从产品到设计模式
五种 Workflow + 自主 Agent、上下文工程、工具设计、长运行架构、安全容器化。基于开源工程实践，掌握 Agent 时代的核心设计模式。
这些设计模式不是终点，它们会随着下一代模型的到来而改变。
但理解它们背后的思考方式，才是真正可迁移的能力。
但理解它们背后的思考方式，才是真正可迁移的能力。