進階收官
做最簡單的、能跑的東西
所有複雜的架構設計、精巧的工程模式，最終都指向同一個樸素的真理。
"Do the simplest thing that works"
AI Agent 工程實踐
從 Claude Code 源碼中學到的三條核心教訓
1
Agent 的核心是狀態管理，不是智能
所有 Agent 工程化問題最終都歸結為同一個問題：什麼信息在什麼時候、以什麼形式出現在上下文窗口裏。模型的智能是預訓練給的，你控制不了；但上下文的構建、裁剪、排列，是工程師能決定的。
Claude Code 的大部分工程複雜度在於精心管理上下文：什麼該放進去、什麼該拿出來、什麼時候該壓縮、什麼時候該重置，讓模型變聰明反倒是次要的。Context Engineering 是 Agent 工程的核心能力，遠不止錦上添花。
2
Harness 編碼的是假設，假設會過時
你今天寫的每一行腳手架程式碼，都隱含着對當前模型能力的假設。當模型升級時，這些假設可能全部失效。
真實案例：Claude Sonnet 4.5 存在上下文焦慮：對話變長時模型表現明顯下降。團隊為此加了 context reset 機制，定期壓縮上下文。後來換到 Opus 4.5，焦慮現象消失了，context reset 反而成了降低效率的累贅。啓示：你今天寫的腳手架，明天可能就需要扔掉。
3
模型在變強，你的工程在變簡單
越來越多的輔助邏輯（重試、糾錯、格式化、上下文壓縮）會隨着模型能力的提升變得不必要。最好的工程決策是：今天不寫明天可能不需要的程式碼。
這並不意味着不需要工程化。相反，理解哪些邏輯會隨模型進步而過時，哪些是真正持久的架構決策，這種判斷力才是最重要的工程能力。沙箱隔離、權限分層、評測體系不會過時；但特定的 Prompt 技巧、特定模型的繞道方案，半年後可能就不需要了。
FULL JOURNEY
四個篇章的完整回顧
PART 1
理解大模型是什麼
從 Transformer 的注意力機制到 Token 經濟學，從訓練過程到湧現能力。大模型是有明確能力邊界的概率模型，遠不是無所不能的黑盒。
PART 2
學會用大模型
從 Prompt Engineering 到 Few-shot Learning，從 RAG 到 Function Calling。掌握和大模型協作的方法論，讓它成為你的效率倍增器。
PART 3
從 Demo 到產品
從「能跑」到「能用」的鴻溝。成本優化、延遲控制、評測體系、安全合規，把一個 AI Demo 變成可靠的生產級產品。
PART 4
從產品到設計模式
五種 Workflow + 自主 Agent、上下文工程、工具設計、長運行架構、安全容器化。基於開源工程實踐，掌握 Agent 時代的核心設計模式。
這些設計模式不是終點，它們會隨着下一代模型的到來而改變。
但理解它們背後的思考方式，才是真正可遷移的能力。
但理解它們背後的思考方式，才是真正可遷移的能力。