Appearance
从零实现 AI Coding Agent — 全部章节目录
Coding Agent = LLM + Protocol + Loop + Tools + State
本教程共 24 章（知乎已发布前 18 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
第 00 章：观察一次完整的 Agent 运行过程
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。
Part I · 模型与协议
核心问题：如何调用 LLM？如何多轮对话？如何适配不同厂商？
第 01 章：Hello LLM — 30 行代码调用大模型
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。
第 02 章：EventStream 事件流 — 流式输出的秘密
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。
第 03 章：多轮对话 — 消息协议与记忆
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"。
第 04 章：多模型适配 — 一套代码切换不同厂商
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。
第 05 章：模拟测试 — 不花钱验证 Agent 逻辑
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。
Part II · 工具与循环
核心问题：如何让 LLM 调用函数？如何实现 Agent Loop？
第 06 章：Tool Use 工具调用 — 让 LLM 调用函数
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。
第 07 章：Agent Loop 循环引擎 — 从一次调用到自主循环
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。
第 08 章：核心工具 — read / write / edit / bash
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。
Part III · 持久与可靠
核心问题：如何保存会话？如何管理上下文窗口？
第 09 章：会话持久化 — JSONL 崩溃安全存储
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。
第 10 章：有状态 Agent — abort、steering 与重入
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？
第 11 章：会话树 — 分支、回溯与 DAG
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。
第 12 章：上下文窗口管理 — 历史不动，上下文按预算重建
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。
Part IV · 扩展与验证
核心问题：如何扩展能力？如何评测？如何防止幻觉？
第 13 章：扩展系统 — 不污染核心的产品化
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。
第 14 章：打磨 — 从 Demo 到可用产品
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。
第 15 章：评测 — 证明你的 Agent 能工作
"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。
第 16 章：System Prompt 工程 — 从一行字符串到结构化指令
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。
第 17 章：Harness 工程 — 模型不可靠时的工程补救
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。
Part V · 生产级特性
核心问题：如何让 Agent 安全、高效、可协作？
第 18 章：权限系统 — 让 Agent 可信任
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。
第 19 章：Hooks 事件系统 — 生命周期扩展（即将发布）
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。
第 20 章：CLI 工具扩展 — Agent 最自然的能力接口（即将发布）
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。
第 21 章：并行执行与成本控制（即将发布）
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。
第 22 章：跨会话记忆 — 让 Agent 越用越聪明（即将发布）
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。
第 23 章：多 Agent 协作 — 从单兵到团队（即将发布）
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。
学习路线建议
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：
- 只关心 "Agent 是什么" → 第 0、7 章
- 只关心 "怎么接 API" → 第 1-5 章
- 只关心 "生产化" → 第 13-18 章
完整代码仓库：https://github.com/happydog-intj/build-coding-agent-tutorial
在线阅读（含代码高亮）：https://build-coding-agent-tutorial.vercel.app