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。
十三个模块按工程认知深度递进，从概念理解到框架手写、Harness 运行时和多 Agent 系统，最终落到真实业务项目。
Agent 是什么、模型 API 输入输出、工具调用协议、Context / Memory、Loop / Infra，以及单 Agent vs 多 Agent 的边界。用可运行实验建立工程认知。
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。
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。
从设计理念拆解一个无特权内核、可重新拼装的 Agent Runtime：插件组合、事件事实源、控制平面、安全边界与实验性自进化。
Agent 场景下的 SFT、RLHF 与训练环境工程。覆盖轨迹数据、Loss Mask、GRPO vs PPO、仿真沙箱、评估门禁、数据回流与部署。
从 Vibe Coding 和 AI Coding 面试进入 Context、Loop、Harness Engineering 日常实战，再把失败轨迹转化为可验证、可回滚的 Auto Harness 改进闭环。
从可验证的工具闭环出发，动手理解 Provider、扩展、MCP、安全边界与可恢复的树形 Session Runtime。
OpenAI 终端 Coding Agent：Rust 架构、TOML 配置、平台原生沙箱、MCP、SDK 与多 Harness 选型。
Agent 岗位高频面试题按 17 个维度拆解，覆盖 Agent Infra、AI Infra、架构、工具、容错与上下文，每道题对比新手答 vs 高手答。
OfferPilot 面试诊断 Agent 完整实战：从 PRD、查询引擎、知识库和权限，到 Sub-agent、语音、部署与 Web UI。
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。