北黄的学习成长路

Agent七层架构之状态管理层——持久化机制、有限状态机与时间旅行调试，实现Agent执行过程的可追溯与可恢复。

Agent七层架构之控制流层——用图论DAG与DSL领域特定语言编排Agent工作流，在混沌中建立确定性的执行秩序。

Agent七层架构之增强接入层——通过RAG知识检索、工具API和传感器接入，为LLM这个缸中之脑装上义眼与机械臂。

Agent七层架构之智能算子层——将LLM封装为无状态纯函数算子，通过标准化输入输出接口实现可测试、可替换的模型调用。

Agent七层架构之原子计算层——通过代码执行、参数校验与模板引擎构建确定性的铁律，从概率陷阱中解放关键业务逻辑。

流工程宣言——阐述为什么确定性的Agentic Workflow工作流而非自由Agent才是企业AI落地的唯一可靠解，以及工作流编排的设计原则。

赋予AI自省能力——深入解析Reflexion反思模式让Agent从错误中学习，Actor-Critic架构实现策略评估与优化的自我进化机制。

Agent工具使用全景——从Function Calling的简单调用到MCP标准协议，再到Computer Use屏幕操作，赋予AI连接真实世界的手与脚。

Agent推理引擎深度解构——从ReAct思考-行动交替到Plan-and-Solve计划求解，对比不同推理范式的优劣与适用场景。

Agent记忆系统深度解析——从上下文窗口的金鱼效应到MemGPT的虚拟内存管理隐喻，实现短期记忆、长期记忆与外部知识的持久化。