不清楚 Agent 和 Workflow 的边界
调 API、搭工作流、接 LangChain——能跑 Demo，但说不清楚为什么 Agent 比 Workflow 多了什么，以及什么时候该用哪个。
面向程序员的 Agent 工程教程。不堆框架名词，不停留在 Demo——从核心机制出发， 覆盖 Agent 基础、手写框架、Code Agent 架构，最终落到真实业务项目。
六个模块按工程认知深度递进，从概念理解到框架手写到多 Agent 系统，最终落到真实业务项目。
Agent 是什么、工具调用机制、Memory 设计模式、Planning / RAG 的边界、单 Agent vs 多 Agent 常见模式。建立正确工程认知，不迷信框架。
60 行核心框架，从 Node → Workflow → Chatbot → Agent 完整推导。RAG、Tool/MCP/Skill、pi-mono 架构解析，以及部署和面试准备。
12 节课手写 Coding Agent。从 30 行 Loop 起步，逐步叠加 Tool Dispatch、Subagent、Context Compact、Task DAG、多 Agent Teams、Worktree 隔离。
Graph 状态机、条件分支、并行 Fan-out/Fan-in、Prompt Chaining、接入 OpenAI 与 HuggingFace。从状态图角度理解可维护 Agent 系统的搭建方式。
OpenAI Agents SDK、Google Gemini SDK、Claude Anthropic SDK 核心用法精讲，三大原厂 SDK 横向对比与选型建议。
13 个框架横向调研：AgentScope、Mastra、Semantic Kernel、Eino、DeerFlow、LangChain、Google ADK、AutoGen、Vercel AI SDK 等。
加密货币市场风控 Agent 完整实战。真实业务目标、有约束、有评估标准——不是泛泛的聊天助手，而是能上线的工程系统。
很多人已经会用 AI 工具，但一旦开始自己做 Agent，问题就来了。
调 API、搭工作流、接 LangChain——能跑 Demo，但说不清楚为什么 Agent 比 Workflow 多了什么，以及什么时候该用哪个。
Tool Calling 偶尔失败、上下文窗口很快满、多轮任务容易漂移——这些不是调 Prompt 能解决的，是系统设计问题。
LangChain / Dify 上手快，但出问题时翻三层抽象。真正上生产的 Coding Agent（Claude Code、Cursor）都用轻量级自定义方案。