《AI Agent 开发入门》13.3 协作模式对照
pipeline、debate、voting 用固定脚本展示信息怎么流动，不比较真实模型质量。LatencyModel 延时也是人工模拟，不能当真实性能测量。AGREEMENT 是人工演示标签，不是计算出的真实一致率；多数票也可能同错。选择拓扑应基于任务、独立质量样本、总调用与真实延时，而不是这组固定结果。
category
Agent
共 150 篇文章。
《AI Agent 开发入门》13.2 消息总线与共享状态
MessageBus 是进程内顺序 pub/sub，按发布序号记录历史。它不是持久化消息队列，也不提供重试、确认或跨进程投递。同一 handler 失败会中断当前发布链；递归发布循环需调用方自行限制。worker 的同步调用移到线程不等于线程会被取消，同一个 worker 并发使用仍可能共享模型状态。
《AI Agent 开发入门》13.1 角色与分工
把单个 Agent 拆成 supervisor 与 worker：Worker 是一个带专用 system 提示与工具子集的 Agent（检索员、计算员），Supervisor 负责把目标拆成子任务、派给合适的 worker 并汇总结果。用假模型脚本化一次路由决策，真跑「拆成子任务、各自执行、汇总」的完整流程并打印派发与回收，给出单 Agent 与 supervisor-worker 的取舍表。
《AI Agent 高级编程》5.3 读 Claude Agent SDK：subagent 与 hook 调度（含 TS SDK 对照）
打开本机 claude-agent-sdk 0.2.165 源码读 subagent 与 hook 调度：subagent 是 asdict 后的 AgentDefinition 随 initialize 送到 CLI，hook 注册成 callback_id，由 CLI 反向发 control_request 回调 Python。附 inspect 核对与 TS SDK 对照。
《AI Agent 高级编程》5.2 读 PydanticAI：run 循环与重试调用链
打开本机 pydantic-ai 2.55.0 源码读 run 循环：Agent 不是 while，而是 GraphBuilder 拼出的状态机（UserPromptNode→ModelRequestNode→CallToolsNode）。结构化输出校验失败抛 ModelRetry，_build_retry_node 造一个带 RetryPromptPart 的新请求节点。附真实重试调用链。
《AI Agent 高级编程》5.1 读 LangGraph：图执行器与检查点机制
打开本机 langgraph 1.2.14 的源码读图执行器：StateGraph.compile 产出 CompiledStateGraph，PregelLoop 的 tick/after_tick 一轮就是一次超步，超步之间只做通道合并；每个超步结束调用 _put_checkpoint，检查点按 thread_id 落进 Checkpointer。
《AI Agent 工程实战》12.3 CI 质量门：分数下降即拦截
评测跑完只打印一张表，不会拦住任何东西。本节把评测变成质量门：与基线比对，总体指标掉超阈值、或某条样本由 PASS 变 FAIL，就让流水线 exit 1。真跑先验证「与基线持平」退出码 0，再注入「关掉引用产出」的退化使质量门失败退出码 1，打印逐样本差异，最后给出 GitHub Actions 接入形态（注明未在本机执行）。
《AI Agent 工程实战》12.2 离线回放与夹具：假模型 + 录制样本确定性回归
CI 里调真模型不确定、要钱、要网络、会限流。本节把一次模型交互的请求与响应存成夹具，回放时按请求指纹匹配取响应：本机按 Anthropic Messages API 结构手工构造三条夹具真跑一遍完整 run，连跑两次逐字一致；再改问题制造夹具失配，验证回放器报错而非静默给错响应，最后给出夹具的存放与更新流程。
《AI Agent 工程实战》12.1 评测集与评分器：成功率/引用准确率/成本
本节给 ResearchCopilot 建一个可版本化的评测集：JSON 存问题、期望要点与必须引用的来源，配套「加样本写理由、改期望留痕」的维护纪律；实现成功率、引用准确率、成本三个评分器，对 10 条样本真跑并打印逐条得分与汇总，最后给出自动打分与人工评审的分界表。
《AI Agent 开发入门》12.3 人类在环
HumanGraph 用于本节单后继人工流程，与 WaveGraph 分开。暂停发生在敏感节点前；演示只记录模拟邮件参数，不向外部发送消息。状态与 token 只保存在本进程，示例调用方可信。真实审批需要验证身份、绑定不可篡改的操作参数、持久化一次性批准及恢复记录，不能把普通 dict/token 直接暴露到公网。
《AI Agent 开发入门》12.2 分支、合并与循环
本节保留单后继 Graph，另写 WaveGraph 表达 fan-out。波内节点顺序执行，因此共享状态更新有顺序，不是线程并行。条件路径必须与 join 的要求一致；某前驱被条件跳过而永不到达时，本例会报缺失前驱。动态分支取消、跨轮关联、部分成功合并需要更完整调度协议。
《AI Agent 开发入门》12.1 状态机式编排
循环式 Agent 适合开放式任务，但固定流程需要显式结构。本节手写 minagent 的最小图引擎：Node（名字加一个函数）、Edge（源到目标、可带条件）、Graph（add_node/add_edge/set_entry/run），节点间用 dict 状态传递数据。用假模型真跑一条分类→检索→综合的三节点线性链，打印每个节点的进出 state，并给出图编排与循环式 Agent 的取舍表。
《AI Agent 高级编程》4.3 三框架同题对照：同评测集比分数与成本
用实际 minagent 交付、PydanticAI FunctionModel 与 smolagents CodeAgent 对照同一个离线检索任务，提供完整文件及重复运行断言；调用次数不替代质量、成本或性能实测。
《AI Agent 高级编程》4.2 smolagents：CodeAgent「代码即行动」重写子任务
smolagents 的 CodeAgent 让模型直接写 Python 代码来行动，而不是吐结构化工具调用。本节现场核对 1.26.0 的 API，用本地假模型驱动 CodeAgent 离线真跑，并实测 CodeAgent 与 ToolCallingAgent 在工具可见性上的差别。
《AI Agent 高级编程》4.1 OpenAI Agents SDK：handoff/guardrails/tracing 实现委派
OpenAI Agents SDK 用三个原语组织 Agent：handoff 委派、guardrails 护栏、tracing 追踪。本节现场核对 0.23.1 的 API 表面，离线跑通护栏函数与 span 捕获，并和卷一 minagent 的 supervisor/worker 模式逐一对照。
《AI Agent 工程实战》11.3 记忆治理：TTL、隐私与按用户删除
记忆是用户数据，写进来容易，管起来难。本节讲三件治理：用 TTL 让该过期的记忆自动清掉，用隐私分级和写入侧拒绝清单把密钥、卡号、证件号、健康信息挡在库外，用按用户级联删除让「删除我的数据」真的删干净并留下审计。真连本机 Postgres 跑一次完整的删除流程。
《AI Agent 工程实战》11.2 检索注入：长期记忆接入 run 并量化收益
记忆写进来不等于用得上。本节把长期记忆接进一次 run：检索、排序、按 token 预算截断、再注入，并讲清 system、首条 user、工具返回三种注入位置对模型注意力的影响。最后用一个 10 题的评测小集真跑对照，量化「不注入」与「注入」的得分差。
《AI Agent 工程实战》11.1 写入流水线：抽取、去重、冲突消解
卷一讲了记忆「怎么读」，本节讲记忆「怎么存」做成一条服务：从对话里抽取候选记忆，用文本归一化和向量相似度两档去重，再用时间戳加保留历史加标记取代来消解冲突。我们真连本机 Postgres 把 5 条候选走完整条流水线，验证同一条对话重放两次不产生重复记忆。
《AI Agent 开发入门》11.3 重规划
修订计划与原计划共用严格结构校验。允许 max_replans 次修订，预算耗尽后不再额外调用模型。任务 id 是引用坐标，不是业务语义指纹。副作用任务不能仅靠计划复用去重，仍需要业务操作键；模型生成的补救步骤也必须通过权限与工具约束。
《AI Agent 开发入门》11.2 计划执行器
每层只执行依赖已完成的任务，失败的下游标记 skipped。PlanExecutor 在启动前拒绝非法 DAG，并限制线程数。线程等待不是取消或安全隔离，外部副作用没有回滚。任务描述或上游语义变化时不能只凭同 id 复用；第 11.3 节按任务与依赖闭包确认可复用范围。