全部章节目录

Coding Agent = LLM + Protocol + Loop + Tools + State
本教程共 24 章，分为 5 个阶段，从 30 行调用一次 LLM 到 750 行完整 Coding Agent，逐步拆解 AI 编程智能体的核心原理。

Part 0 · 序章

#	章节	简介
00	观察一次完整的 Agent 运行	在写代码之前先看全貌：一次 "读取文件并总结" 的请求如何走完 LLM 调用 → 工具执行 → 结果返回的完整闭环。建立直觉，理解 Agent 不是魔法，就是一个循环。

核心问题：如何调用 LLM？如何多轮对话？如何适配不同厂商？

#	章节	简介
01	Hello LLM	30 行 TypeScript 代码调用 Claude / GPT API 并获取回复。构建 Agent 的第一步——确认你能用代码拿到模型的输出。
02	EventStream 事件流	实现流式输出，让模型回答逐字显示。理解 Server-Sent Events 协议和逐 token 渲染机制。
03	多轮对话	模型为什么不记得上一句话？解答 messages 数组累积、角色区分、上下文传递——多轮对话的本质是"每次都把聊天记录全发过去"。
04	多模型适配	Anthropic 和 OpenAI 的 API 格式完全不同。用适配器模式实现一套代码无缝切换不同厂商。
05	模拟测试	每次测试都调真实 API 太慢太贵。用 ScriptedModel 预设响应做确定性测试，零 API 费用验证 Agent 逻辑。

核心问题：如何让 LLM 调用函数？如何实现 Agent Loop？

#	章节	简介
06	Tool Use 工具调用	LLM 只能生成文本，怎样让它"做事"？实现工具调用协议：JSON Schema 声明工具、解析 tool_call、配对返回 tool_result。
07	Agent Loop 循环引擎	从"一次调用"到"自主循环"。用 while 循环实现 Agent 的核心：LLM 自主决定调用工具 → 执行 → 反馈 → 直到任务完成。这是整个教程最关键的一章。
08	核心工具	实现 Coding Agent 的五个核心工具：read_file、write_file、edit_file、bash、search_files——覆盖完整编码闭环。

核心问题：如何保存会话？如何管理上下文窗口？

#	章节	简介
09	会话持久化	关掉终端对话就丢了？用 JSONL 格式逐条追加保存消息，实现崩溃安全的会话存储与恢复。
10	有状态 Agent	处理真实交互场景：用户按 Ctrl+C 怎么中断？运行中如何注入新指令（steering）？如何防止并发重入？
11	会话树	从线性对话到树形结构。支持分支、回溯、fork 的会话管理——想回到之前某个节点重新开始。
12	上下文窗口管理	对话越来越长超出窗口怎么办？区分 Session 与 Context，按 token 预算从后往前保留消息，利用 Prompt Cache 优化性能。

核心问题：如何扩展能力？如何评测？如何防止幻觉？

#	章节	简介
13	扩展系统	怎样在不修改 Agent Loop 代码的前提下添加新能力？用事件系统和拦截器模式实现权限控制、知识注入等扩展。
14	打磨	从 "能跑" 到 "好用"：Banner、颜色、进度显示、错误提示、Spinner——CLI 产品体验的最后一公里。
15	评测	"试了一次能跑" 不是可靠性证明。用 EvalCase 结构实现自动化评测，包括 Pass@k 指标和 LLM-as-Judge。
16	System Prompt 工程	从一行 "You are a coding assistant" 到上百行结构化指令。设计分段组织的 System Prompt、动态注入、防 prompt injection。
17	Harness 工程	模型会幻觉、会死循环、会过早放弃。Harness 是 Agent Loop 外层的控制层——最大迭代数、连续错误检测、Proposer-Reviewer 模式。

核心问题：如何让 Agent 安全、高效、可协作？

#	章节	简介
18	权限系统	Agent 能执行 shell 命令，不加约束就是灾难。实现分层权限模式、工具分类、allowlist/denylist、用户确认流程。
19	Hooks 事件系统	在 Agent 生命周期的关键节点打开"窗口"——让外部逻辑观察、干预、改变行为，而不修改核心代码。
20	CLI 工具扩展	Agent 有 bash 工具意味着整个命令行生态都是工具箱。为 Agent 设计友好的 CLI 接口、结构化输出、工具发现机制。
21	并行执行与成本控制	模型一次返回多个工具调用，串行执行浪费时间。实现并行执行引擎、取消传播、Token 用量追踪与预算控制。
22	跨会话记忆	上下文压缩是遗忘，记忆系统是找回。实现会话笔记提取、持久记忆文件、记忆注入——让 Agent 越用越聪明。
23	多 Agent 协作	一个 Agent 处理复杂任务容易迷失。把大问题拆给专门角色：Coordinator 调度、Worker 执行、消息传递、并行子代理。

#	章节	简介
24	推荐阅读	超出本教程范围的高级话题指引：RAG 检索增强、模型后训练、Computer Use、安全对齐等进阶方向。

最短路径（理解核心原理）： 第 0 → 1 → 6 → 7 → 8 章，约 2 小时

完整路径（实现产品级 Agent）： 第 0-23 章，约 20-30 小时

按需选读：