第 1 章 · Agent 基礎知識

Agent = LLM + 上下文 + 工具；Harness 工程才是競爭力

← 返回主目錄 · 📖 讀本章正文

配套專案

編號	專案	型別	一句話說明
1-1	context	✅	系統性消融實驗展示 Agent 上下文各元件的重要性；支援 SiliconFlow Qwen、字節 Doubao、月之暗面 Kimi 等多提供商
1-2	web-search-agent	✅	Kimi K3 模型即 Agent，具備基礎深度搜尋能力，能進行多輪搜尋和資訊整合
1-3	search-codegen	✅	GPT-5 原生工具整合，綜合利用網路搜尋與程式碼沙箱實現複雜分析
7-1, 7-2	learning-from-experience	✅	對比 Q-learning 與基於 LLM 的上下文學習，復現 Shunyu Yao 的 "The Second Half"：LLM 以 250–400 倍樣本效率超越傳統 RL

專案型別說明

圖示	型別	含義
✅	可獨立執行	本倉庫自帶完整程式碼，配置好 API Key 即可執行
📖	復現指南	依賴需自行 git clone 的外部倉庫（訓練框架、評測基準等）
🚧	設計文件	僅包含架構與實現方案，可執行程式碼仍在完善中