好的想法需要地方降落，否则它们只会飘走!
👋欢迎来到我的博客。在这里我会分享一些关于技术和生活的思考。
Skill：不改模型、不写代码，教会 Agent 做专家级别的事
系统解析 Skill 的概念、动机、结构、发现机制与生态趋势，说明它和 Tool、Prompt、微调的区别，以及为什么「写一份文档」可能比「训练一个模型」更实用。
MCP：让 Agent 的工具生态不再各自为战
系统分析 Model Context Protocol（MCP）的设计动机、三层架构（Host-Client-Server）、三种原语（Tools / Resources / Prompts）、传输机制与安全边界，结合实际代码示例说明如何构建和接入 MCP Server。
多 Agent 协作：当一个 Agent 不够用时，如何让多个 Agent 分工合作
系统分析多 Agent 协作的核心编排模式（Supervisor、Handoff、Agent-as-Tool、Peer-to-Peer），结合 Claude Code、Cursor、OpenAI Agents SDK 的真实架构，说明多 Agent 系统的设计取舍与工程落地方式。
Reflection：Agent 如何审视自己的输出并纠正错误
系统分析 Reflection 在 Agent 系统中的角色、三种实现形态、批评标准设计、失效场景，以及它与 ReAct 和 Planning 的关系。
Prompt 设计：Agent 的系统提示词怎么写
从角色定义、工具规则、推理格式、约束边界到动态上下文注入，完整拆解 Agent prompt 的设计方法与维护方式。
工具接口设计：让 Agent 用得好，比让 Agent 用得上更难
系统分析面向 Agent 的工具接口设计，说明为什么粒度、返回格式、错误信息和显式状态会直接决定 Agent 的决策质量与恢复能力。
如何评测一个 Agent：不只是看它回答得好不好
系统分析 Agent 评测与模型评测的差异，说明如何构建测试集、结合自动评测与 LLM-as-judge，并把失败案例转化成可持续的改进信号。
Planning：当 ReAct 不够用时，Agent 如何提前分解目标
系统分析 ReAct 在长任务中的局限，说明 Planning 的核心思想、Plan-and-Execute 的执行结构、代码实现与常见失败模式。
ReAct：模型如何让推理与行动交替运转
系统分析 ReAct 的来源、执行结构、工程实现、核心价值与适用边界，说明它如何把工具调用从盲目行动变成可读、可调试的推理闭环。
上下文与记忆：Agent 为什么会在长任务中失去方向，以及如何设计状态管理
从 context window、工作/情节/语义记忆分层出发，系统分析长任务中的记忆问题，并给出任务状态对象、上下文压缩、滑动窗口与检查点等工程模式。