个人知识库

2026-06-17-ai-agent-工程完全指南

7分钟阅读

AI Agent 工程完全指南

基于半年研究 100+ 篇笔记总结的 Agent 工程实践经验，揭示了为什么大部分团队在 Agent 开发中做无用功，以及如何正确构建生产级 Agent 系统。

基本信息

核心观点

  1. Agent 的瓶颈不在模型，在环境：大部分团队把精力放在调优 Prompt 上，但真正决定 Agent 性能的是运行环境的质量。作者通过 Coding Agent 上线后性能劣化的案例证明，Agent 会因为环境污染（自己生成的不规范代码）而陷入恶性循环。

  2. 上下文管理的三个层次：

    • 可观测性层：Agent 需要能感知系统状态（浏览器、日志、监控）。OpenAI Codex 团队接入 Chrome DevTools Protocol 后，单次任务自主工作时长从 < 1 小时提升到 > 6 小时。
    • 知识组织层：超长指令（5000+ 行 agents.md）反而降低性能，因为挤占了任务思考空间。正确做法是”给 Agent 一张地图，而不是一本一千页的说明书”——用小文件做索引，详细知识按需读取。
    • 隐性知识显性化：Slack 讨论、Google Docs、口头经验对 Agent 不可见，必须写入仓库文件。

  3. 多 Agent 架构的反模式：按人类组织结构拆分 Agent（规划 Agent、编码 Agent、测试 Agent、审查 Agent）是最低效方式。Anthropic 研究发现，Agent 间反复解释背景消耗的 Token 甚至超过真正干活的 Token。正确拆分原则是以上下文为中心——只有上下文可真正隔离时才拆分，否则就是分布式单体。

  4. 工程范式转移：Agent 时代的工程实践需要新范式，类似从传统部署到 Kubernetes 的转变。当前处于早期红利期，掌握 Agent 工程能力的工程师将获得竞争优势。

  5. 学习路径建议：先跑起来（用 Cursor/Claude Code 做小项目）→ 通过踩坑理解 Agent 行为 → 利用低试错成本快速迭代。核心是动手实践而非纠结理论。

实操内容保留

核心工程实践

  1. 环境可观测性改造：

    • 接入 Chrome DevTools Protocol 让 Agent 能打开应用、截图、查看 DOM、读取日志
    • 实测效果：单次任务自主工作时长从 < 1 小时提升到 > 6 小时

  2. 知识库组织结构：

    ├── agents.md (索引文件，简短)
├── context/
│   ├── architecture.md
│   ├── coding-standards.md
│   └── domain-knowledge.md
    • 核心原则：索引 + 结构化子文件 + Agent 按需读取

  3. 多 Agent 拆分决策树：

    • 问：两个任务的上下文是否可真正隔离？
      • 是 → 可以拆分为独立 Agent
      • 否 → 保持单 Agent，通过 Workflow 管理流程

  4. 完整学习路径（7 模块）：

    • 模块 1：为什么 Agent 需要新工程范式
    • 模块 2-5：上下文管理、架构选型、能力封装
    • 模块 6-7：质量评估、生产上线
    • 端到端案例：自动化竞品分析 Agent 系统

教程资源

原文精彩摘录

“问题根本不在 Prompt 上。你把 Prompt 写得再好，如果 Agent 的运行环境是一团乱麻，它照样犯蠢。就像你给一个实习生写了一百条规则，但把他扔进一个没有文档、没有规范、没有 CI 的项目里——规则再多也没用。”

“我们一直在调 Prompt，但真正的杠杆在 Prompt 之外。Agent 需要的不是更聪明的指令，而是能感知环境的基础设施。”

“不在仓库里的东西，对 Agent 就不存在。Slack 讨论、Google Docs、同事脑子里的经验——全都是黑洞。你必须把隐性知识显性化写到文件里，Agent 才能用。”

“按人类组织结构拆分 Agent，是最低效的方式。写测试的 Agent 不知道实现 Agent 为什么这么写，做审查的 Agent 不了解前面排除过什么方案。它们之间反复解释背景消耗的 Token，甚至超过了真正干活的 Token。”

“学会用 Agent 的工程师不会被 Agent 取代。真正危险的是那些拒绝学习的人。“

关键概念

与其他素材的关联

  • 与 AI编程开发 主题相关：本文是 Coding Agent 的生产实践案例
  • 与 Claude Code 相关：文中提到 Claude Code 作为学习 Agent 的实践工具
  • 补充了 AI Agent 智能体 概念的工程落地视角

相关页面

关系图谱

快速导航

反向链接