Agent 工程化 · Agent 祛魅Harness 不是新东西。它只是把一件一直存在的事，命名了出来。解决异步挑战：Reactor Context 实现响应式上下文传递Agent 设计模式不是 Prompt 套路，而是控制系统Agent 项目失败的真正原因“思考”工具：帮助Agent在复杂的工具使用情境中停下来思考Agent 没有长期记忆，只有你设计的数据检索策略Agent 看起来会思考，其实只是你在维护一个 while 循环Agent 工程的终局形态：弱智能 + 强系统 + 人类兜底AI Agent 进化阶梯Agent 工程八条底层认知Agent 祛魅：规则引擎的继任者，而非软件工程的终结者Agent 并不是智能体，而是 LLM 参与决策的业务系统Agent 不是一个 while 循环，而是一套本地运行时AI 工程设计（十）：从能力到业务，AI 应用集成才是最后一公里AI 工程设计（九）：AI 系统上线后，真正的挑战才是成本与性能AI 工程设计（八）：当 Agent 开始调用工具，安全边界就必须前置AI 工程设计（七）：从黑盒到可追踪，AI 系统也需要全链路观测AI 工程设计（六）：没有评估体系，所有 Prompt 优化都只是玄学AI 工程设计（五）：为什么很多 Agent 跑不远，问题都出在任务状态AI 工程设计（四）：工具管理的本质，不是调用 API，而是构建能力系统AI 工程设计（三）：上下文管理，决定了 Agent 到底像不像“会思考”AI 工程设计（二）：知识库只是开始，真正难的是知识工程AI 工程设计（一）：模型编排不是流程图，而是系统控制面Agent 工程化/Agent 祛魅Agent 没有长期记忆，只有你设计的数据检索策略2026-02-022 min readAgent 祛魅