《AI Agent 开发入门》11.1 任务分解：把大问题拆成子任务 DAG
把 5.2 的线性计划升级为带依赖的 DAG：定义 Task 与 Plan，给出让模型输出任务图的 JSON 协议，实现 validate_plan 检测环与悬空依赖，并用假模型脚本化「检索→并行抽取→综合」的 4 任务 DAG，真跑打印 DAG 与拓扑序，最后给出线性计划与 DAG 计划的取舍表。
category
Agent
共 150 篇文章。
《AI Agent 高级编程》3.3 与自研运行时对照：内置省了什么、锁定了什么
前两节讲了 Claude Agent SDK 怎么用，这一节算总账。把它的每项能力逐条映射回卷一 minagent 的自研实现，看清它内置省下的四块重活（subagent 调度、hook、权限、session 持久化），也看清它锁定的边界：依赖 claude CLI、绑定 Anthropic 模型、可观测与扩展受限、假模型测试被掐断。文末给对照表与选型清单。
《AI Agent 高级编程》3.2 工具与权限：allow/deny 与审批回调
上一节把权限一笔带过，本节拆开讲透。Claude Agent SDK 用四道闸门控制工具：tools 决定有哪些工具、allowed_tools / disallowed_tools 做静态白黑名单、permission_mode 定档位、can_use_tool 回调做动态人工审批。全部字段与签名现场核对 0.2.165，并给出「只读研究助手 + 写操作二次确认」的完整骨架。
《AI Agent 高级编程》3.1 核心概念：subagent/hooks/权限/session 搭研究任务
Claude Agent SDK 不是模型 SDK，而是把 Claude Code 的 Agent 运行时（subagent / hooks / 权限 / session）打包成 Python 接口。本节现场核对 0.2.165 的 API，讲清 AgentDefinition、HookMatcher 与 session，并搭出多 subagent 加 hook 的研究任务骨架。
《AI Agent 工程实战》10.3 工具沙箱：子进程/容器隔离高危工具
Agent 会执行模型写出来的代码、SQL 与命令，必须隔离。本节讲三层隔离：进程内不可信、子进程加资源限制、容器加只读挂载与无网络。实现 sandboxed_python 真跑正常代码、死循环超时、写文件三例，如实说明 subprocess 不是安全边界，再用 Docker 只读无网络容器真跑对照。
《AI Agent 工程实战》10.2 工具设计模式：读写分离、幂等、可观测
工具设计有五条可复用模式：读写分离（只读随便调、写入要审批加幂等键）、幂等、可观测、单一粒度、描述即提示词。本节先用假模型做「描述含糊 vs 描述具体」的选中率对照（实测 67% 对 100%），再用 pydantic 约束对照万能 sql 与专用工具的危险调用拦截率（实测 0/6 对 5/6）。
《AI Agent 工程实战》10.1 MCP 客户端接入：minagent 作为 client 连本地 Server
本节把 MCP Server 当成工具源：写一个同步外壳的 MCPToolSource，连上本地 stdio Server、list_tools，把每个远程工具适配成 minagent 的 Tool 注册进 ToolRegistry，并讲清命名冲突、错误映射与连接生命周期；最后用假模型驱动 Agent 真跑一次 MCP 调用（Python 3.14.6 + mcp 2.3.0 实测）。
《AI Agent 开发入门》10.3 带引用的回答
把句末 [doc_id#chunk_id] 解析出来，可以检查坐标和词面相关性；这仍然不是事实核验。修订版不再把词汇重叠称为引用有效。错误的否定句可以与正确来源共享几乎全部词汇，拿到高重叠分。无引用句不会出现在 rows 中，不能把空 rows 当作全部通过。块存在、实际读取、词面相关和语义支持应分别检验。
《AI Agent 开发入门》10.2 索引与检索工具
把 10.1 切好的块做成两个工具：search(query) 返回命中块（doc_id、chunk_id、片段），read(doc_id, chunk_id) 取回完整块。两者注册进第 4 章的 ToolRegistry，再用假模型脚本化一条多跳检索轨迹并真跑。本节聚焦「检索作为工具」，检索算法复用第 9 章的关键词 + 哈希向量混合思路。
《AI Agent 开发入门》10.1 文档加载与切分
检索增强的第一步是把一堆文件变成可检索的块。本节先剥掉 frontmatter，再用带重叠的 chunk(text, size, overlap) 固定长度切块，并拿本仓库 content/posts/python/ 下 6 篇真实文章实测：文件数、总块数、平均/最长/最短块长全部给出。最后对比按字符切与按语义切的取舍，代码在 Python 3.14.6 跑通。
《AI Agent 高级编程》2.3 与 minagent 对照：代码量与可测性对比
同一任务写两版：卷一契约的 minagent 版与 PydanticAI 版，都真跑并断言。实测本次任务脚本两版行数基本持平（minagent 34 逻辑行 vs PydanticAI 36 逻辑行），真正差别在引擎本体的 122 行由谁维护。给出代码量、断言入口、失败信号、扩展成本的对照表，并说明框架赢在「你不再拥有的代码」而非「你少写的代码」。
《AI Agent 高级编程》2.2 结构化输出与工具：输出模型 + 校验重试
本节把 Agent 的 output_type 从 str 换成 Pydantic 模型，让回答自带类型与校验：citations 至少一条、confidence 落在 0~1。再用 FunctionModel 注入一次非法输出（citations 为空），真跑出框架的校验重试——模型被调用三次、第二次的 retry-prompt 里带着 pydantic 的报错。最后给出重试上限与失败行为。
《AI Agent 高级编程》2.1 核心模型：Agent/RunContext/依赖注入重写问答路径
本节用 PydanticAI 的 Agent 重写卷二单跳问答路径：用 deps_type 声明依赖、用 RunContext 把假检索器注入工具、用 FunctionModel 与 TestModel 本地确定性跑通「检索→带引用回答」。实测 Agent 的输出参数是 output_type 而非旧版 result_type，并给出框架与自研引擎的让渡清单。
《AI Agent 工程实战》9.3 断线重连：Last-Event-ID 续传不丢步
SSE 断线后客户端带 Last-Event-ID 重连，服务端从该 id 之后续推，呼应 3.2 的事件 id。讲清为什么必须服务端保留事件缓冲、缓冲多久、缓冲丢了怎么降级为全量重取；用 httpx 真跑「消费 5 条断开 → 重连补齐 11 条」并断言无重复无缺失。
《AI Agent 工程实战》9.2 前端渲染：TS 最小聊天 UI 逐步显示
把 9.1 的事件流变成可见界面：实现纯函数归约器 reduce(state, event) 与渲染器 render(state)，token 追加气泡、tool 开折叠块、final 收尾；在 Node 里真跑一串事件、逐步打印状态快照与最终渲染。再讲增量与全量重渲染的取舍，最后给一段接 DOM 的最小代码。
《AI Agent 工程实战》9.1 事件协议：token/tool/step 统一 schema，TS 与 Python 共享类型
把 3.2 的 SSE 事件抽成一份语言无关的 schema：一个 type 判别字段加各自字段。给出 TypeScript 判别联合类型与 Python pydantic 判别联合两份定义，用同一份 JSON 样本在两侧真跑解析；再对比手写双份、JSON Schema 生成、共享契约文件三种「共享类型」做法的代价。
《AI Agent 开发入门》9.3 记忆即工具
本节把 9.2 的混合检索封装成 recall(query) 工具注册进 ToolRegistry，让 Agent 在循环里自己决定何时回忆。用假模型脚本化「用户提问 → 调用 recall → 拿到记忆 → 给出回答」并真跑打印轨迹，最后对比记忆即工具与自动注入在自主性和确定性上的取舍。
《AI Agent 开发入门》9.2 混合检索：关键词 + 向量 + 重排
HybridIndex 显式持有 records、BM25 与 VectorStore，不依赖上节 REPL 变量。两条路径都仍主要反映词面，只演示融合结构。标题重排 bonus 是手工规则，需要验证是否真的改善排序；词面与哈希融合不意味着语义模型。返回排名不能作为事实或答案质量分数。
《AI Agent 开发入门》9.1 嵌入与向量存储：本地可离线方案
本节用标准库展示固定维数、归一化、索引和余弦相似度，避免让核心项目依赖 NumPy。HashingEmbedder 不具备训练出的语义理解。VectorStore 检查维数、有限数值和重复 id；search 计算余弦，未归一化输入也能比较。空索引返回空，k 必须为正；排序同分时保持插入次序。
《AI Agent 高级编程》1.3 选型方法：按可观测/持久化/生态/锁定度打分
本节把框架选型从拍脑袋变成可计算：给出可观测、持久化、生态、锁定度四维权重表（含每项理由）与 1–5 分评分标准，配一个可运行的最小打分脚本，输入六个框架的分数、输出加权总分与排序，并做权重重排的敏感度分析，真跑贴输出，最后给出按场景调权的决策清单。