《AI Agent 开发入门》 · 全书目录与章节索引（61 篇）
《AI Agent 开发入门》全 61 篇，以从零手写的 Agent 运行时 minagent 为主线，从消息协议与可编程假模型起步，经工具调用、推理模式、上下文工程、记忆与检索、规划与编排、多 Agent 协作，讲到错误重试、可观测性、评测与测试、服务化交付。示例以 Python 3.14 在本机实跑，默认走零凭据、零成本的假模型路径，本页给出全书分章目录。
tag
AI Agent
共 159 篇文章。
《AI Agent 高级编程》10.3 安全纵深：注入/越权/供应链审计
提示注入、工具越权、供应链投毒——Agent 的安全面比传统应用多出一整层「把不可信文本当指令用」。本节给出攻击面 × 防护措施对照表，并真跑两个最小防线：输入侧剥离注入指令行、工具侧按收件人白名单拦截越权调用，再用审计轨迹证明每一次拦截都留痕可查。
《AI Agent 高级编程》10.2 成本与延迟治理：路由/缓存/并发 + 评测兜底
路由、缓存、并发上限、降级——成本与延迟治理的四个旋钮，任何一个拧过头都会伤质量。本节用本地假模型真跑一条完整治理链：语义缓存命中即跳过、预算耗尽自动降级到小模型、Semaphore 把在飞请求压到上限内，再用评测集证明「降级后分数会掉」，并如实说明假模型为何量不出真实成本与延迟。
《AI Agent 高级编程》10.1 统一可观测：三框架 trace 归一 OTel
pydantic-ai 原生就吐 OTel span，smolagents 与 minagent 却只有各自的内部轨迹。本节在装了 opentelemetry-sdk 1.44.0 的环境里真跑：把三种来源的 trace 归一到一张中间表示，再统一 emit 成 GenAI 语义约定的 OTel span 树，并给出三框架 span 字段到 OTel 属性的逐项映射表。
《AI Agent 工程实战》17.3 版本与迁移：不中断 schema 迁移演练
灰度让新旧两版代码同时在跑，于是 schema 变更不能一删了事。本节讲 expand–contract 五阶段迁移法，并在本机 Postgres 17.11 上用 psycopg 真跑一遍：加新列、双写、回填、切读、删旧列，每阶段查询验证新旧两列一致，另演示 DDL 锁表与 CREATE INDEX CONCURRENTLY。
《AI Agent 工程实战》17.2 灰度与回滚：新提示/新模型小流量
Agent 服务的发布对象不只是代码，提示词、模型 ID、工具集、检索参数都是可发布的配置，改提示词的风险不低于改代码。本节设计按流量比例的灰度与自动回滚条件，真跑一个灰度路由器：新版正常时放量、新版劣化时按成功率/成本/P95 三个条件触发一键回滚，并演示影子流量。
《AI Agent 工程实战》17.1 流水线：lint/test/评测/构建串联
本节把 ResearchCopilot 的 CI 串成一条分阶段流水线：静态检查 → 单元测试 → 评测质量门 → 构建镜像，按「快先跑、贵后跑」排序。真跑 compileall、pytest、评测夹具回放与 docker build，打印每段真实退出码，给出一键脚本与 GitHub Actions 形态。
《AI Agent 开发入门》17.3 TS 落点一：同一协议的 TS 客户端
客户端用 fetch 发 POST，检查 HTTP 状态与 Content-Type，再逐字节解码并交给有状态 SSEParser。原生 EventSource 的 GET 接口不适合这个 POST 演示。空行才派发事件；流结束时 flush TextDecoder，未终止的残帧按规范丢弃。心跳注释忽略，帧长度与总请求时间有上限；finally 释放 reader。协议中的 id/retry 与自动重连尚未实现。
《AI Agent 开发入门》17.2 HTTP 服务化
本节固定 FakeModel 只回答预设加法，验证 /run、/stream 与 OpenAPI 接线，不理解任意问题。HTTP/SDK 都是核心之外的可选环境。StreamingResponse 按帧传输不等于模型增量流；complete 阶段仍等完整响应。原生 EventSource 是 GET，本节 POST 用 fetch。同步线程不因连接断开就被杀死，真实服务需另设计异步调用和取消。
《AI Agent 开发入门》17.1 库的对外接口
本节把 minagent 从「一堆模块」整理成「一个库」：用 __init__.py 收敛出稳定的公开 API 面，用 __all__ 与下划线前缀划清公开契约与内部实现的边界，并定下 SemVer 版本策略——破坏性变更何时允许、哪些名字属于契约。最后用 import minagent as ma 真跑一段只碰公开面的稳定性示例。
《AI Agent 高级编程》9.3 何时该训、何时调提示：成本收益决策清单
训模型不是默认答案。本节给出一张「何时该训、何时调提示」的成本收益决策清单，把调提示、换模型、加工具、微调、RL 五种干预按成本与收益排开，说清每种手段的前置条件与失效场景；并配一个可运行的决策打分小脚本，对「冷启动无标注」与「有 5k 可验证轨迹」两种场景真跑排序，帮你在动手训之前先算清楚这笔账。
《AI Agent 高级编程》9.2 从 SFT 到 RL：工具使用与多步推理训练流程
SFT 教会模型「格式」，RL 才教会它「取舍」。本节讲清从监督微调到强化学习的完整流程，聚焦工具使用与多步推理：对比偏好奖励与可验证奖励，说明为什么「工具调用成功、引用可回溯」这类可自动判分的信号特别适合 Agent，并给出一个真跑的离线策略打分例子——给定若干轨迹与奖励函数，算出每条的分数并选出最优。
《AI Agent 高级编程》9.1 问题设定：轨迹、奖励与信用分配
Agent 的强化学习不是给分类任务换个 loss。本节把 Agent 的多步交互形式化成轨迹（状态、动作、奖励序列），讲清奖励设计与信用分配——到底是哪一步的功劳。配一段可运行的轨迹与奖励数据结构，以及一个按折扣回报做信用归因、再按总回报给轨迹排序的离线小例子，真跑贴输出；全程不训练模型，不编造任何实验曲线。
《AI Agent 工程实战》16.3 配置注入、健康检查与优雅退出
16.2 把服务编排起来了，但容器编排还有三件「看不见却致命」的事：配置怎么注入、健康检查怎么区分 liveness 与 readiness、收到 SIGTERM 后怎么优雅退出。本节讲清用环境变量注入配置、两条健康线各自的取舍、以及「停止接新请求→等在途 run 收尾→关连接池→退出」四步。用 uvicorn 0.54.0 + lifespan 真发 SIGTERM，贴出完整日志序列与参数表。
《AI Agent 工程实战》16.2 本地编排：compose 起 API/worker/postgres/redis
上一节做出了 ResearchCopilot 的镜像，但一个镜像撑不起一个服务——它还要数据库、缓存和后台 worker。本节写 docker-compose.yml 编排这四个服务，讲清 depends_on 不等于「依赖就绪」（须配 healthcheck）、同一镜像靠 command 扮演 api/worker 两种角色。真跑 config 与 ps 起栈验证。
《AI Agent 工程实战》16.1 TS 落点三：Python + Node 双栈镜像瘦身
本节是 TS 落点三的上半场：把 ResearchCopilot 打成 Python + Node 双栈镜像。用多阶段构建分别产出 TS 前端产物与 Python 依赖，只把产物拷进运行时镜像；再叠加 .dockerignore、--no-cache-dir、slim 基础镜像与 digest 固定四个瘦身杠杆。Dockerfile 在本机真构建，贴出镜像体积、分层与容器内验证的真实输出。
《AI Agent 开发入门》16.3 对比实验
demo_ab.py 复用同一个评测模块，比较 max_steps 和人工设置的两版脚本。期望与评分规则保持相同，结果变化来自固定脚本行为。真实 A/B 应固定测试集和评分口径，随机分配配置、覆盖多次运行、记录模型版本与不确定性。一次一个变量有助归因，但不能代替随机化和统计检验。
《AI Agent 开发入门》16.2 评测集与打分
本节提供完整 Case、Score、Report 和 evaluate。修订示例使用两条固定用例：检索用例与已知失败用例，不再引用旧六条统计。权重非负且和为一，评测集不能空，case id 不能重复。AgentLoopError 保留部分失败轨迹；脚本耗尽属于运行失败，其他配置错误继续向上暴露。
《AI Agent 开发入门》16.1 确定性测试
本节使用标准库 unittest，不要求 pytest。测试应验证工具顺序、模型实际收到的消息、受控停止和错误回灌，而不是只检查最终一句话。四个 BookTests 是教学入门用例；完整项目另有基础和扩展回归，覆盖并行、预算、恢复、批准、幂等与日志。测试通过只针对这些路径，不承诺不误报或没有其他缺陷。
《AI Agent 高级编程》8.3 跨语言 Agent：TS 实现 A2A 端与 Python 协作
8.1 的 A2A 端是 Python 写的，可真实团队里另一半服务可能是 TypeScript。协议的价值正在于此：只要双方说同一种「线上语言」，语言就不重要。本节用 TypeScript（Node 26，只用可擦除语法）实现一个 A2A 端，与 8.1 的 Python 端跨语言真跑一次双向协作：TS 服务端被 Python 客户端调用，TS 客户端又反过来调用 Python 服务端。