mathsionyang /
AI 能力工程：从 Skill、MCP 到 Agent 构建可复用、可调用、可验证的 AI 执行系统。 让模型吸收不确定性，让系统约束不确定性。 项目定位 本目录收录一组围绕 AI 能力工程 展开的中文技术文章，核心问题是： text 如何把专家经验、外部工具和大模型推理能力组合成稳定、可治理、可验证的 AI 系统？ 整套内容以 Skill -> MCP -> Agent 为主线展开： Skill：方法层，回答“任务应该怎么稳定完成”。…
AI 能力工程：从 Skill、MCP 到 Agent 构建可复用、可调用、可验证的 AI 执行系统。 让模型吸收不确定性，让系统约束不确定性。 项目定位 本目录收录一组围绕 AI 能力工程 展开的中文技术文章，核心问题是： text 如何把专家经验、外部工具和大模型推理能力组合成稳定、可治理、可验证的 AI 系统？ 整套内容以 Skill -> MCP -> Agent 为主线展开： Skill：方法层，回答“任务应该怎么稳定完成”。 MCP：能力层，回答“外部工具、资源和系统如何被 AI 稳定调用”。 Agent：执行层，回答“谁来理解目标、制定计划、调用工具、验证结果并持续调整”。 发布主页 CSDN 主页： 掘金主页： 文章之间的关系 这组文章不是孤立主题，而是一套从概念到生产治理的知识链路。 text AI 能力工程总纲 Skill：沉淀可复用方法 MCP：封装可调用能力 Agent：组织目标、计划、工具、状态和验证 第一性原理：理解 Agent 是什么 工程实践：从最小闭环到生产系统 规划范式：决定怎么拆路径 任务拆解：把目标变成可执行子任务 记忆系统：让经验跨任务复用 可观测性：让执行过程可追踪、可回放、可治理 也可以按工程分层理解： | 层级 | 解决的问题 | 对应文章 | | :--- | :--- | :--- | | 总纲层 | 建立 Skill、MCP、Agent 的整体框架 | 《AI 能力工程：从 Skill、MCP 到 Agent》 | | 方法层 | 把专家经验、流程和验证标准沉淀为可复用能力 | 《Skill 设计方法论》 | | 能力层 | 把工具、资源、协议、部署、安全和运维标准化 | 《MCP 的第一性原理》 | | Agent 基础层 | 讲清 Agent 的定义、边界、等级和核心闭环 | 《Agent 的第一性原理》《Agent 工程实践指南》 | | 执行增强层 | 讲清规划、拆解、记忆这些核心执行能力 | 《Agent 规划范式进化论》《Agent 的任务拆解艺术》《Agent 记忆系统设计》 | | 生产治理层 | 讲清日志、Trace、Replay、指标和成本治理 | 《Agent 可观测性实战》 | 推荐阅读顺序 如果是第一次阅读，建议按下面顺序走： 1. 《AI 能力工程：从 Skill、MCP 到 Agent》 先建立总框架，理解 Skill、MCP、Agent 分别处在哪一层。 2. 《Agent 的第一性原理：从概念到范式演进》 再理解 Agent 的底层定义、目标闭环、能力等级和边界，避免把 Agent 简化成“模型加工具”。 3. 《Agent 工程实践指南：从最小闭环到生产级系统》 从实践角度看一个 Agent 如何从目标、上下文、计划、工具、执行、验证走向可用系统。 4. 《Skill 设计方法论：从专家经验到可复用能力》 学会把高频、复杂、有专家差距的任务沉淀成稳定流程和质量标准。 5. 《MCP 的第一性原理：从工具调用到能力协议》 理解工具调用如何从简单函数封装，升级为带 schema、权限、错误处理、测试和运维的能力协议。 6. 《Agent 规划范式进化论：从 CoT 到 Plan-and-Execute》 学习 Agent 如何从内部推理走向外部行动，再走向可管理的任务计划。 7. 《Agent 的任务拆解艺术：从目标到可执行子任务》 深入理解如何把模糊目标拆成有输入、有输出、有依赖、有验证标准的子任务。 8. 《Agent 记忆系统设计：从上下文管理到长期经验复用》 学习什么时候记、记什么、什么时候查、查出来怎么用，以及如何处理记忆冲突和过期。 9. 《Agent 可观测性实战：从日志、Trace 到 Replay》 最后进入生产治理，理解一次 Agent 任务如何被记录、追踪、验证、回放和成本管控。 如果只想快速建立认知，可以读 1、2、3。 如果要开发 MCP Server，可以重点读 1、4、5、9。 如果要做生产级 Agent，可以按 1 到 9 顺序完整阅读。 文档逐篇摘要 AI 能力工程：从 Skill、MCP 到 Agent 这是整个系列的总纲型文档，系统解释 AI 能力工程为什么不能只靠 Prompt，而要通过 Skill、MCP、Agent 三层协作来构建稳定执行系统。文章覆盖方法层、能力层、执行层，以及从 Demo 到生产平台的完整路径，适合作为全系列入口和知识地图。 Agent 的第一性原理：从概念到范式演进 这篇文章从第一性原理重新定义 Agent，强调 Agent 不是“会调用工具的大模型”，而是在目标约束下持续感知、规划、行动、反馈和验证的闭环系统。它梳理了 Agent 从符号系统、强化学习、工作流到 LLM Agent 的演进，并解释 Agent、ChatGPT、RPA、Workflow 的边界。 Agent 工程实践指南：从最小闭环到生产级系统 这是一份面向落地的 Agent 开发指南，重点讲如何从一个最小闭环开始构建 Agent：明确目标、定义输入输出、设置权限、设计工具、处理失败、建立验收标准。它适合初学者和项目团队用来把 Agent 从概念变成可运行、可评估、可逐步生产化的系统。 Skill 设计方法论：从专家经验到可复用能力 这篇文章讲 Skill 如何把专家经验、工作流、工具使用方式和质量标准沉淀为可复用能力包。它覆盖 Skill 的触发条件、标准结构、资源组织、七步设计流程、多 Skill 协同、失败处理和验证闭环，是理解“怎么做”这一方法层的核心文章。 MCP 的第一性原理：从工具调用到能力协议 这篇文章系统讲解 MCP 如何把外部工具、资源和提示模板协议化，让 AI Host 能以稳定、可治理的方式调用外部能力。内容覆盖 MCP 基础概念、Server 开发、Tools/Resources/Prompts、传输方式、schema、错误处理、安全、测试、部署、可观测性、版本管理和生态集成，是能力层的核心长文。 Agent 规划范式进化论：从 CoT 到 Plan-and-Execute 这篇文章解释 Agent 为什么需要规划，并对比 CoT、ReAct、Plan-and-Execute 三种典型范式。它说明 CoT 解决“怎么想”，ReAct 解决“怎么边想边做”，Plan-and-Execute 解决“怎么围绕目标组织长期行动”，适合理解 Agent 的决策和执行路径如何逐步工程化。 Agent 的任务拆解艺术：从目标到可执行子任务 这篇文章聚焦“目标如何变成可执行任务”，强调好的任务拆解不是把目标切碎，而是把目标转化为可执行、可观察、可验证、可恢复的工作单元。文章讲解层级分解、依赖图、输入输出分解、工具映射、验证导向拆解，并给出常见错误和评估方法。 Agent 记忆系统设计：从上下文管理到长期经验复用 这篇文章讲 Agent 记忆系统的设计方法，区分短期记忆、长期记忆、中间层摘要和缓存，并重点回答什么时候写入、什么时候检索、检索后如何注入上下文。它还讨论记忆冲突、过期、隐私、评估指标和最小可用架构，是理解 Agent 如何跨会话复用经验的重要文章。 Agent 可观测性实战：从日志、Trace 到 Replay 这篇文章面向生产级 Agent 的可观测性建设，讲清一次任务的 Goal、Plan、Step、Tool Call、Observation、Interpretation、Validation、Output、Cost 如何形成证据链。文章给出结构化事件、Trace、Replay、指标阈值、存储开销估算和埋点代码，帮助定位目标误解、工具错误、观察误读、验证缺失和成本失控等问题。 Repository Structure text . ├── Readme.md ├── cn/ ├── AI能力工程：从Skill、MCP到Agent.md ├── Agent的第一性原理：从概念到范式演进.md ├── Agent工程实践指南：从最小闭环到生产级系统.md ├── Skill设计方法论：从专家经验到可复用能力.md ├── MCP的第一性原理：从工具调用到能力协议.md ├── Agent规划范式进化论：从CoT到Plan-and-Execute.md ├── Agent的任务拆解艺术：从目标到可执行子任务.md ├── Agent记忆系统设计：从上下文管理到长期经验复用.md ├── Agent可观测性实战：从日志、Trace到Replay.md
Discuss this product