不追最复杂的框架，而是为需求构建最合适的系统。理解设计原理，掌握工程实践，从“我学过什么”走向“我做出了什么、如何验证、如何讲给面试官听”。
上下文为模型提供信息，工具让它影响世界；观察 → 决策 → 行动，循环往复。
Agent = LLM 在循环中自主使用工具。更进一步：Agent = Model + Harness —— 模型从厂商租用，Harness 才是你真正拥有并可持续改进的部分。
从基础概念开始，沿着工程实践逐级深入。共 17 章，覆盖原理、方法论、落地实战与求职面试。
传统自动化的边界，与 LLM 带来的新能力
Workflows 与 Agents 的关键区别
可组合的经典模式，按需逐级加复杂度
把上下文当作稀缺的“注意力预算”来经营
跨越上下文窗口，保持连贯与目标导向
让 Agent 拿到“对的信息”，而不是“多的信息”
像打磨 HCI 一样打磨 Agent-Computer Interface
把代码当作工具，创造新的能力
扩展观察空间与动作空间
模型不变，改善模型周围的一切
编排者-工作者，用并行把 token 花在刀刃上
没有评测，就没有可靠的 Agent
理解哪些能力靠训练，哪些靠 Harness
把执行经验转化为持续的改进
把方法论收敛成可执行清单
做出什么 > 学过什么
一手来源，持续更新
无论你是转行、面试，还是想把 Agent 做稳，都能从这里获得可落地的框架与经验。