技术栈：以上下文工程为核心的 Agent 开发

September 4, 2026 · View on GitHub

核心理念

Agent 开发的本质 = 上下文工程

在深入研究业界主流 Agent 产品（Claude Code、Manus、Cursor 等）后，我们发现：Agent 开发的核心不是调用 LLM API，而是如何设计系统来控制信息流向 LLM。

这就是上下文工程（Context Engineering）的核心——在正确的时间，以正确的格式，向 LLM 提供正确的信息。

📚 目录结构

🎯 核心：上下文工程体系

上下文工程包含 7 个核心组成部分，我们的所有文档都围绕这个体系组织：

上下文工程 (Context Engineering)
├── 1. 指令/系统提示词 (System Prompt)
│   └── 18-context-engineering-guide.md - 提示技巧详解
│
├── 2. 用户提示词 (User Prompt)
│   └── [集成在各个实战文档中]
│
├── 3. 短期记忆 (Short-term Memory)
│   └── 15-agent-memory.md - Memory 系统完整指南
│
├── 4. 长期记忆 (Long-term Memory)
│   ├── 15-agent-memory.md - Memory 持久化
│   └── 12-factor-agent-architecture.md - 架构设计
│
├── 5. 检索信息 (RAG)
│   ├── 14-context-engineering.md - RAG 与上下文
│   └── 18-context-engineering-guide.md - 检索系统设计
│
├── 6. 工具调用 (Tools)
│   ├── 17-claude-code-best-practices.md - 工具使用最佳实践
│   └── 12-factor-agent-architecture.md - 工具编排
│
└── 7. 结构化输出 (Structured Output)
    └── 18-context-engineering-guide.md - 输出格式控制

📊 评估与质量保障

Agent 评估体系
├── 评估方法论
│   └── agent-evaluation-complete-guide.md - Agent 评估完全指南
│
└── 评估工具 (Evaluation Harness)
    └── 26-agent-evaluation-harness-guide.md - Harness 完全指南

🧩 Agent Harness Engineering

Agent Harness 工程
├── 运行环境
│   └── 27-agent-harness-engineering.md - Agent Harness 七层模型
│
├── 核心能力
│   ├── L1 模型层：provider 抽象
│   ├── L2 循环层：agent loop / interrupt / resume
│   ├── L3 工具层：tools / skills / MCP
│   ├── L4 记忆层：JSONL / SQLite / vector
│   ├── L5 人格层：AGENTS.md / policy
│   ├── L6 通道层：CLI / Web / IM
│   └── L7 自驱层：heartbeat / cron
│
└── 可靠性
    └── idempotency / timeout / retry / cost guard / permission / observability

📖 学习路径

🚀 快速入门路径（1-2天）

目标：理解上下文工程的核心概念

  1. context-engineering-practices.md ⭐ 必读

    • 600字快速了解上下文工程
    • 业界实践（Claude Code、Manus、Kiro）
    • 适合：快速建立全局认知

  2. 18-context-engineering-guide.md ⭐ 必读

    • 完整的上下文工程指南
    • 6大核心组件详解
    • 适合：系统学习理论基础

  3. 14-context-engineering.md

    • 长上下文的陷阱与修复
    • 6大修复技巧
    • 适合：解决实际问题

🎯 深度学习路径（1-2周）

目标：掌握上下文工程的各个组成部分

第一步：理解 Agent 架构

第二步：掌握 Agent Harness

  • 27-agent-harness-engineering.md ⭐ 核心
    • Agent Harness 七层模型
    • 工具、权限、状态、记忆、通道、反馈和评测
    • 适合：把裸模型变成可工作的 Agent 系统

第三步：掌握 Memory 系统

  • 15-agent-memory.md ⭐ 核心
    • Memory 的原理与实战
    • 短期/长期记忆设计
    • 适合：实现有记忆的 Agent

第四步：学习工具最佳实践

第五步：模型微调（算法岗必备）

  • 16-sft-finetuning.md
    • SFT 监督微调完全指南
    • Function Call 微调
    • 适合：算法工程师优化模型

第六步：总结失败经验

  • lessons-learned.md
    • 真实项目的坑与教训
    • 如何避免常见错误
    • 适合：少走弯路

💼 实战应用路径（2-4周）

目标：将上下文工程应用到实际项目

根据你的方向选择：

🔬 算法岗方向：

  1. 上下文工程完全指南 → 理解理论基础
  2. Agent Memory → 研究记忆压缩算法
  3. SFT 微调 → 优化模型的 Context 处理能力
  4. 失败经验 → 设计对比实验

🛠️ 开发岗方向：

  1. 12-Factor Agent 架构 → 构建系统框架
  2. Agent Harness Engineering → 设计工具、权限、状态、trace 和 eval
  3. Claude Code 最佳实践 → 学习工程化方法
  4. Context Engineering 修复技巧 → 解决实际问题
  5. Agent Memory → 实现持久化存储

🎯 全栈方向（推荐）：

  • 按顺序完整学习所有文档
  • 同时准备算法和工程项目
  • 机会翻倍！

📊 评估能力路径（1周）

目标：掌握 Agent/LLM 评估的完整工具链

  1. agent-evaluation-complete-guide.md ⭐ 必读

    • 评估方法论、评分器设计、非确定性处理
    • 适合：建立评估思维

  2. 26-agent-evaluation-harness-guide.md ⭐ 必读

    • 主流 Harness 工具对比、架构设计、实战搭建
    • 适合：选型和使用评估工具

🎓 核心文档详解

⭐ 必读文档（5篇）

1. context-engineering-practices.md

一句话总结：业界主流产品的上下文工程实践精华

核心内容：

  • 什么是上下文工程？与提示词工程的区别
  • LangChain 的 4 类方法：Offload、Retrieve、Reduce、Isolate
  • Claude Code 的工程实践：三层记忆、实时 Steering、分层 Agent
  • Manus 的优化技巧：KV 缓存、工具遮蔽、文件系统记忆
  • Spec-Driven Development：从 Vibe Coding 到规范驱动

适合场景：

  • ✅ 快速建立全局认知（600字精华）
  • ✅ 面试前准备（了解业界实践）
  • ✅ 技术分享、写作参考

学习时间：10-15 分钟

2. 18-context-engineering-guide.md

一句话总结：上下文工程的完整理论体系

核心内容：

  • 上下文工程的 6 大核心组件
  • Agents、Query Augmentation、Retrieval
  • Prompting Techniques、Memory、Tools
  • 每个组件的设计原则和实现方法

适合场景：

  • ✅ 系统学习理论基础
  • ✅ 设计 Agent 系统架构
  • ✅ 准备算法岗面试

学习时间：1-2 小时

3. 14-context-engineering.md

一句话总结：长上下文的 4 种失效模式与 6 大修复技巧

核心内容：

  • 上下文失效的 4 种模式：中毒、干扰、混乱、冲突
  • 6 大修复技巧：精简、缓存、总结、过滤、结构化、分层
  • LangChain 的实践方案
  • 实际案例分析

适合场景：

  • ✅ 解决 Agent 失败率高的问题
  • ✅ 优化长对话的性能
  • ✅ 降低成本和延迟

学习时间：1 小时

4. 12-factor-agent-architecture.md

一句话总结：从简单循环到生产级 Agent 的完整架构指南

核心内容：

  • Agent 的本质：Reasoning + Acting 循环
  • 12 个关键因子：记忆、规划、工具、反思等
  • 工程化实践：错误处理、可观测性、安全性
  • 架构设计模式

适合场景：

  • ✅ 构建生产级 Agent 系统
  • ✅ 面试系统设计题
  • ✅ 理解 Agent 的完整生命周期

学习时间：2-3 小时

5. 17-claude-code-best-practices.md

一句话总结：Claude Code 的工程实践与最佳实践

核心内容：

  • Claude Code 的核心能力
  • 工具设计最佳实践
  • 上下文注入机制
  • 提示词工程技巧
  • 错误处理与重试

适合场景：

  • ✅ 学习顶级产品的工程实践
  • ✅ 提升 Agent 的能力上限
  • ✅ 了解 Code Agent 的特殊性

学习时间：2-3 小时

📖 进阶文档（3篇）

6. 15-agent-memory.md

一句话总结：Agent Memory 的完整教程

核心内容：

  • Memory 的原理与分类
  • 短期记忆 vs 长期记忆
  • Memory 系统设计
  • 主流 Memory 框架（Mem0、Zep）

适合场景：

  • ✅ 实现有记忆的对话 Agent
  • ✅ 个性化 Agent 系统
  • ✅ 算法岗：Memory 压缩优化

学习时间：1-2 小时

7. 16-sft-finetuning.md

一句话总结：SFT 监督微调完全指南

核心内容：

  • SFT 的原理与流程
  • Function Call 微调
  • LlaMA-Factory 实战
  • 数据准备与评估

适合场景：

  • ✅ 算法岗必备技能
  • ✅ 优化模型的 Context 处理能力
  • ✅ 垂直领域模型定制

学习时间：2-4 小时

8. lessons-learned.md

一句话总结：真实项目的坑与教训

核心内容：

  • 常见的失败模式
  • 如何避免踩坑
  • 调试技巧
  • 最佳实践总结

适合场景：

  • ✅ 快速避坑
  • ✅ 提升工程能力
  • ✅ 面试准备（讲失败经验）

学习时间：30 分钟

📊 评估文档（2篇）

9. agent-evaluation-complete-guide.md

一句话总结：Agent 评估的方法论与思维体系

核心内容：

  • 评估方法论：为什么评估、评估什么、怎么评估
  • 评分器设计：LLM-as-Judge、规则评分、人工评分
  • 非确定性处理：如何应对 LLM 输出的随机性
  • 评估指标体系设计

适合场景：

  • ✅ 建立评估思维和方法论
  • ✅ 设计 Agent 评估方案
  • ✅ 面试中讨论质量保障

学习时间：1-2 小时

10. 26-agent-evaluation-harness-guide.md

一句话总结：主流评估工具对比与实战搭建指南

核心内容：

  • 主流 Harness 工具对比（LangSmith、Braintrust、Promptfoo 等）
  • 评估框架的架构设计
  • 实战搭建：从零搭建评估流水线
  • 与 CI/CD 集成的最佳实践

适合场景：

  • ✅ 评估工具选型
  • ✅ 搭建自动化评估系统
  • ✅ 工程岗展示质量保障能力

学习时间：2-3 小时

🎯 不同角色的学习建议

🔬 算法工程师

核心目标：理论深度 + 算法创新

必读文档：

  1. 18-context-engineering-guide.md - 理论基础
  2. 14-context-engineering.md - 优化方向
  3. 15-agent-memory.md - Memory 算法
  4. 16-sft-finetuning.md - 模型微调
  5. context-engineering-practices.md - 业界实践

项目方向：

  • Agent Memory 压缩算法（存储 -60%）
  • Agentic RAG 策略优化（准确率 +20%）
  • Context 感知的 Reranker 训练

🛠️ 开发工程师

核心目标：系统设计 + 工程落地

必读文档：

  1. 12-factor-agent-architecture.md - 架构设计
  2. 17-claude-code-best-practices.md - 工程实践
  3. 14-context-engineering.md - 问题修复
  4. 15-agent-memory.md - Memory 实现
  5. lessons-learned.md - 避坑指南

项目方向：

  • 企业级 RAG 系统（服务 1000+ 用户）
  • Multi-Agent 协作平台
  • Agent 自动化 RPA 系统

🎯 全栈 Agent 工程师（推荐）

核心目标：算法 + 工程双修

学习顺序：

  1. context-engineering-practices.md - 快速建立认知
  2. 18-context-engineering-guide.md - 理论体系
  3. 12-factor-agent-architecture.md - 架构设计
  4. 14-context-engineering.md - 实战优化
  5. 15-agent-memory.md - Memory 系统
  6. 17-claude-code-best-practices.md - 最佳实践
  7. 16-sft-finetuning.md - 模型微调
  8. lessons-learned.md - 经验总结

项目策略：

  • 同一个项目，准备算法版和开发版
  • 简历上既有创新点，又有业务价值
  • 面试机会翻倍！

💡 学习建议

✅ 推荐做法

  1. 先快速过一遍"context-engineering-practices.md"

    • 10 分钟建立全局认知
    • 了解业界在做什么

  2. 深入学习理论体系

    • 18-context-engineering-guide.md
    • 理解 6 大核心组件

  3. 动手实践

    • 选择一个实战项目
    • 边做边学其他文档

  4. 总结复盘

    • 记录踩过的坑
    • 整理面试话术

❌ 不推荐做法

  1. ❌ 不要死记硬背理论

    • 理论要结合实践理解

  2. ❌ 不要跳过基础直接做项目

    • 容易陷入调包侠陷阱

  3. ❌ 不要只学一个方向

    • 算法岗也要懂工程
    • 开发岗也要懂原理

  4. ❌ 不要忽视失败经验

    • 别人踩过的坑要记住

🔗 相关资源

⭐ 上下文工程资源合集（必看！）

📖 全网最全最优质的上下文工程资源合集 🔥

涵盖 18+ 篇核心资源：

  • ✅ 核心概念：Philipp Schmid、上下文工程 2.0
  • ✅ 实战方法：LangChain 四大策略、12-Factor Agents、phodal 实战
  • ✅ 避坑指南：Drew Breunig 失败模式、实战经验
  • ✅ 企业案例：Manus、Anthropic、CAMEL-AI
  • ✅ 学术综述：1400+ 论文分析、前沿研究
  • ✅ 开源工具：4.1K+ stars 仓库、完整代码
  • ✅ 学习路径：入门（1-2周）→ 进阶（2-4周）→ 专家（1-3月）

📚 理论学习

🛠️ 实战框架

📖 论文阅读

🎯 总结

上下文工程是 Agent 开发的核心，理解了上下文工程，就理解了：

  • ✅ 为什么 Claude Code 效果这么好？（三层记忆、实时 Steering）
  • ✅ 为什么 Manus 成本这么低？（KV 缓存优化、工具遮蔽）
  • ✅ 为什么你的 Agent 总是失败？（上下文中毒、干扰、混乱）
  • ✅ 如何构建生产级 Agent？（12-Factor 架构）

从现在开始，用上下文工程的视角重新理解 Agent 开发！

📬 反馈与贡献

如果你有任何问题或建议，欢迎：

  • 提交 Issue
  • 贡献 PR
  • 加入学习社群讨论

让我们一起把 AgentGuide 做得更好！ 🚀

完整内容索引

文档类型状态难度主题
MCP 协议详解教程已发布进阶MCP
上下文工程：业界最佳实践精华教程已发布进阶上下文工程、项目实战
大厂都在用的12-Factor Agent架构，终于有人讲清楚了！教程已发布进阶Agent、上下文工程、项目实战
🎯 一、核心概念入门（建立框架）教程已发布进阶框架工具
长文深度解析：大模型的"上下文陷阱"与6大修复技巧教程已发布进阶上下文工程、RAG
Agent Memory - 从原理到实战教程已发布进阶Agent、记忆
SFT（监督微调）实战经验分享（阿东玩AI）教程已发布进阶模型训练、基础模型
Claude Code 最佳实践指南教程已发布进阶Coding Agent
上下文工程完全指南:设计控制信息流向LLM的系统教程已发布进阶上下文工程、项目实战、基础模型
《上下文工程：从提示到系统的AI应用架构指南》教程已发布进阶上下文工程、项目实战
Parlant：如何让AI Agent真正"靠谱"？深度解析Agent合规保障方案教程已发布高阶Agent、安全
Agent AI 企业转型的六大实战教训教程已发布进阶Agent、项目实战
OpenClaw彻底带火了沙箱，桌面Agent落地必看教程已发布高阶Coding Agent、安全、Agent
LLM Post-Training 面试笔记教程已发布高阶模型训练、基础模型
Agent Evaluation Harness 完全指南 —— 让你的 Agent 评估不再玄学 🎯教程已发布高阶Agent、评测、框架工具
Agent Harness Engineering：把裸模型变成能干活的系统教程已发布高阶Agent、上下文工程、MCP
多模态 RAG 管线教程已发布进阶多模态、RAG
向量数据库选型指南教程已发布进阶RAG、框架工具
AI Agent 评估完全指南教程已发布高阶Agent、评测