Vibe Coding:在旧系统中增加新能力做上下文交接先查不可运行输出
从“在旧系统中增加新能力”出发,给上下文交接建立证据、评审和回退边界,避免不可运行输出被表面完成度掩盖。
AI Agent、MCP、工具调用、多 Agent 协作
本专题收录 Agent 工程 方向的文章和社区讨论,重点关注真实工程场景、工具选择、实践路径和风险边界。
页面会持续更新,适合作为学习路线、选型参考和技术复盘入口。
从“在旧系统中增加新能力”出发,给上下文交接建立证据、评审和回退边界,避免不可运行输出被表面完成度掩盖。
用合成案例讨论任务记忆:当“在旧系统中增加新能力”碰到生成结果看起来正确却无法运行,如何留下幂等重放结果并保留人工决策点。
用合成案例讨论运行可观测性:当“接手陌生仓库后的第一次修改”碰到生成结果看起来正确却无法运行,如何留下工具调用审计并保留人工决策点。
围绕Agent 工程的上下文交接,拆解“从一句模糊想法到可运行页面”里的生成结果看起来正确却无法运行,比较先读约束再动手与明确数据所有权的验证价值。
用合成案例讨论失败恢复:当“从一句模糊想法到可运行页面”碰到生成结果看起来正确却无法运行,如何留下失败注入演练并保留人工决策点。
最近在搭自己的 Agent 工作流,挑 MCP server 挑花了眼。官方的 filesystem、fetch、git 我都装了,社区里还有一堆数据库、浏览器、搜索的。 实测下来用得最频繁的是 filesystem 和 git,基本每天都在用;浏览器那个偶尔爬数据开一下;搜索类
MCP 热度很高,但我有点犹豫要不要投入精力。历史上这种"统一协议"翻车的不少,万一过两年又冒出个新标准,学了不就白学了。 不过看现在 Claude、Cursor、各家 IDE 都在拥抱 MCP,势头确实猛。我倾向于:作为用户先用起来(装几个现成 server 不需要学协议),作
想给公司内部系统包一个 MCP server,让 Agent 能查我们的工单系统。看了下官方 SDK,TS 和 Python 都有,但入门的 best practice 不多。 最困惑的是工具粒度怎么切:是给一个大而全的"查工单",还是拆成"按状态查""按人查""按时间查"一堆小
搭了个 Agent 跑自动化,最让我崩溃的不是它做错事,而是它陷入死循环:调用工具失败 → 重试 → 又失败 → 再重试……token 嗷嗷烧,任务一点进展没有。 加了最大迭代次数和"连续失败 N 次就停"的护栏,情况好点,但偶尔还是会原地打转。 感觉循环检测是 Agent 工程
第一次用 Function calling,以为模型会乖乖返回结构化 JSON,结果在边界情况上栽了跟头:偶尔参数少字段、偶尔类型不对(数字返回成字符串)、偶尔还会塞一段多余的解释文本。 最后是用 schema 校验 + 失败重试兜底的。核心代码大概这样: zod 真是救命稻草。
设计 Agent 的时候有个分歧:一种观点是 Agent 应该完全听话,工具调用有明确规则它执行就行;另一种是 Agent 应该有"判断力",遇到可疑操作主动拒绝。 我倾向后者,特别是涉及数据修改、对外发送的场景,宁可它多问一句。但实现起来很难——怎么定义"可疑",模型自己判断又
让大模型稳定输出 JSON 是 Agent 工程的老大难。我试下来最稳的组合是:用原生 function calling(别让模型自由生成 JSON 字符串)+ 严格 schema + 温度设 0。 如果只能走自由生成(比如某些场景),用"JSON 模式"加固定的前后缀提示,能把