Build verifiable AI agents from task decomposition and tools through evaluation and production governance.
AI agent engineering
Build verifiable AI agents from task decomposition and tools through evaluation and production governance.
7 chapters3 casesPublished
LEARNING PATH
Tutorial chapters
Actionable chapters arranged in a useful learning sequence.
chapters · PublishedAI Agent 基础:任务、状态与边界
理解 Agent 与普通问答的差异,用显式状态和权限边界建立最小闭环。
Read chapter chapters · Published工具调用与函数契约:让 Agent 可控设计工具 schema、错误返回和幂等策略,减少参数漂移和副作用。
Read chapter chapters · Published规划与状态机:把长任务拆成可恢复步骤比较单轮计划、分步执行和状态机,选择可回放的 Agent 编排方式。
Read chapter chapters · PublishedAgent 评测与回归测试:验证动作而不只看答案建立任务集、工具轨迹和安全断言,持续发现 Agent 行为回归。
Read chapter chapters · PublishedAgent 可观测性与成本控制用 trace、预算和脱敏日志定位慢请求、循环调用与异常成本。
Read chapter chapters · PublishedAgent 生产发布:灰度、回滚与人工接管为 Agent 建立发布前检查、灰度策略、回滚信号和人工接管流程。
Read chapter chapters · PublishedAgent 重试、幂等与证据:让失败可以恢复用预算、幂等键和最小证据记录控制 Agent 重试,避免重复副作用。
Read chapterPRACTICE
Practical cases
Reusable notes built around tools, workflows, and real tasks.
