目录
第一章：基础篇 - 大语言模型核心技术
1.1 LLM：Transformer 架构基石
Attention Is All You Need 论文解读
Decoder-Only 架构与主流模型
1.2 Prompt Engineering：提示词工程
系统提示词与用户提示词设计原则
提示词优化技巧与实战案例
1.3 Fine-tuning：模型微调技术
微调的核心原理与适用场景
LoRA：低秩适配算法深度解析
1.4 RAG：检索增强生成
RAG 核心原理与架构设计
知识库构建与检索优化策略
第二章：工具篇 - Agent 的能力扩展
2.1 Function Calling：从说话到行动
Function Calling 机制原理解析
工具调用的设计模式与最佳实践
2.2 MCP：模型上下文协议
MCP 协议核心概念与架构
工具标准化与生态复用价值
第三章：Agent 篇 - 智能体核心原理
3.1 Agent：思考-行动-观察循环
Agent Loop 核心机制解析
从 ReAct 框架与思考模式
3.2 Agent 设计模式
主流 Agent 工作流设计模式
经典架构模式对比与选型
3.3 Multi-Agent：多智能体协作
多 Agent 系统架构与协作模式
分工协作与上下文隔离策略
第 四章：工程篇 - Agent 系统构建
4.1 Context Engineering：上下文工程
上下文的构成与质量标准
上下文筛选、压缩与组织策略
4.2 Agent Skill：技能封装与复用
Agent Skill 核心概念与格式标准
SOP 沉淀与渐进式披露机制
4.3 Harness Engineering：约束环境工程
受控环境构建与约束机制
长周期任务的可靠性工程实践
第五章：实战篇 - 框架与实践
5.1 OpenClaw 开源框架
OpenClaw 架构设计与核心特性
多入口扩展：飞书等平台集成
5.2 Claude Code 深度解析
Claude Code 源码结构分析
Harness 设计理念与实现机制