大模型应用开发 -上下文工程与运行空间实践指南

  上下文工程（Context Engineering）正是在这样的背景下提出的一种系统化方法论。它关注如何在有限的上下文窗口中，选择、组织并注入与用户任务高度相关的信息，从而让大模型在合理的边界内做出最佳推理与执行。

课时

• 📖 内容导航
  • 一、全局认知
    • 上下文工程
    • Harness Engineering
    • 基于上下文工程的 Agent 后端设计
  • 二、大模型应用开发基础技术
    • RAG 策略
    • 搜索代理
    • 为你的Agent集成Skill系统
  • 三、上下文核心模块
    • 工具管理概述
    • 工具调度与权限模块的开发
    • Bash工具实现和安全权限设计细节
    • Agent Bash 工具工程化：后台运行与沙盒权限设计
    • Agent文件检索核心：Grep和Glob工具的详细设计
    • Write和Edit工具的实现细节
    • ClaudeCode逆向工程（Kode）的工具定义和管理
    • 助手Agent记忆模块的设计
    • Redis缓存后端存储设计-读穿｜写穿
    • 多后端存储设计-备份降级策略
    • JSON结构化输出的方法
    • LLM输出格式成本：为什么JSON比TSV成本更高
    • 学习和整理PI的LLM模块设计
    • LLM服务层的实现设计
    • Cipher的LLM 服务架构分析文档
  • 四、上下文管理：跨模块的全局策略
    • 上下文管理策略
    • 上下文压缩调度：工具裁剪与历史记录压缩
    • 上下文压缩指令：ClaudeCode与Gemini的压缩指令解析
    • Token 压缩策略
  • 五、Agent 运行空间
    • 两种世界的交互形态：协同Agent与自主Agent
    • 智能体系统构建策略：单智能体和多智能体
    • 多智能体的协作方式-Agent Team和Agent Room
    • Agent的评估
    • 实现Agent的评估器-TS版本
    • 揭秘 AI 代理的评估 - 多种Agent的评估方法
    • 定时任务与KAIROS模式
    • 给Agent接入Browser-use的设计思路
  • 六、实践与案例
    • ReasonCode 项目介绍
    • AI协作编码 - Anthropic 黑客马拉松冠军 - ClaudeCode配置整理和补充
    • 编程Agent的工程实践：来自OpenAI与Anthropic的实战经验
    • 构建ClaudeCode的经验教训：我们如何运行Skills.md
  • 附录
    • 更新日记
• 🤝 如何贡献
  • 详细贡献指南
• 文档
  • 大模型应用开发 -上下文工程与运行空间实践指南
  • 会话存储模块
    • 大模型应用开发 -上下文工程与运行空间实践指南
    • 大模型应用开发 -上下文工程与运行空间实践指南
    • 大模型应用开发 -上下文工程与运行空间实践指南
    • 大模型应用开发 -上下文工程与运行空间实践指南
    • 大模型应用开发 -上下文工程与运行空间实践指南
    • 大模型应用开发 -上下文工程与运行空间实践指南
• record
  • 大模型应用开发 -上下文工程与运行空间实践指南

开始学习 → 两种世界的交互形态：协同Agent与自主Agent