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。
八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。
Agent 场景下的 SFT、RLHF 等训练技术实战。轨迹数据构造、Loss Mask 策略、GRPO vs PPO、训练数据配比、Agent 评测、从训练到部署全流程。
Agent 岗位高频面试题按考察维度分类拆解。架构选型、工具管理、容错鲁棒性、记忆上下文、评估全局观——每道题对比新手答 vs 高手答的深度差距。
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。