- 课程目录
- 课程介绍
-
在线阅读：开篇词｜把一千个真实工程问题凝结成 28 个设计模式
Agent 时代的架构设计，是在不确定性里设计边界，在有限预算里分配注意力，在可积累的轨道上沉淀经验。我们这门课要好好讲一讲具体如何来实现这套设计。
-
01｜范式之变：GoF 的崩塌和分布式的血脉进化
GoF 解决“代码怎么组织”，分布式解决“服务怎么存活”，Agent 解决“模型怎么被约束地行动”。
-
在线阅读：02｜双轴框架（上）：理解认知功能与执行拓扑
我突然发现，Agent 设计模式不能只靠线性的清单来组织，它需要一套二维坐标系。一个轴回答“Agent 在做什么”，另一个轴回答“Agent 如何被组织”。
-
03｜双轴框架（下）：理解与使用 Agent 设计坐标系
为什么七脉和六式必须分开，为什么一个模式必须有“功能 × 拓扑”的唯一地址？同时，这张图如何用于工程选型，我们也会给出具体例子。
-
04｜逆向五步法（上）：工业级 Agent 框架源码如何解码
工程师真正要练出来的能力，是把一个陌生系统拆成可验证的结构图。
-
05｜逆向五步法（下）： 8 个 Harness 产品拆成工程地图
成熟的 Agent Harness 怎么读才能真正为我所用？这节课我们一口气拆 8 个框架，一起感受一下。
-
直播回放：企业案例拆解，Agent 设计模式的价值在哪里？
Agnet 设计模式的价值在哪里？一个企业落地案例告诉你。
-
热点加餐｜Loop Engineering：如何把 Agent 的循环工程化
设计一套循环，让这套循环替你去 Prompt。以前是自己一步步干，现在是 Agent 有一个目标，它就在行动、观察、判断，再继续行动，什么时候收手，在循环的过程中停止。
-
06｜感知模块导论：如何优雅设计 Agent 感知层？
在 Agent 系统里，感知不是一个外围模块，它其实决定了后面所有推理的上限。
-
07｜上下文分诊：如何科学分流处置不同信息
成熟 Agent 系统一定会做上下文分诊。区别只是有的由人写规则，有的由算法排序，有的由主循环裁剪，有的由 runtime、schema 和权限系统强制执行。
-
08｜语义压缩：让 200K 装下 1M 的日志
坏的压缩，会把关键证据压没。更坏的压缩，会让 Agent 忘记哪些方案已经失败，然后在同一个坑里反复试错。
-
09｜渐进发现：信息的觅食循环
渐进发现的生产实现不仅仅是一段“会搜索”的代码，而是一套小系统
-
10｜多模态融合：日志、SQL 和 PDF 一起进 Agent
Agent 接收到的信息，很多时候一开始就不是同一种形态，我们需要想想如何整合。
-
11｜记忆模块导论：从草稿纸到长期记忆，建立 Agent 的经验沉淀秩序
记忆模式并不是我们字面上所想的“让 Agent 记住东西”这么简单，它真正要解决的是防止长程任务在时间中漂移。Agent 需要记住的是那些会影响后续行动的承重信息。
-
12｜分层保留：给 Agent 的记忆建一套货架
分层保留要做的，就是给 Agent 的记忆建一套货架。
-
13｜检索增强：Agent 的知识库和证据链
在 Agent 时代，RAG 怎样从“相似文本召回”，升级成“可用、可信、可追溯的证据取回”？
-
14｜进度追踪：长任务中别让 Agent 走丢
Agent 已经开始干活了，任务很长，跑到一半以后，它怎么确保自己还在朝原来的目标走？这就是记忆模式组里进度追踪要解决的事儿。
-
15｜失败日记：让 Agent 把摔过的跤变成本事
失败日记要解决的是更远的问题：怎样保证下次遇到相似任务时，不再重蹈覆辙，掉进同一个坑？
-
16｜推理模块导论 ：让 Agent 想得清楚，也想得起来
推理工程不是一味制造更长的思维链，而是调度一条最短、充分、可验证的决策路径。它的核心不是让 Agent 想得最多，而是让它用最少的充分计算，得到可验证的正确决定。
-
17｜思维链：给 Agent 的判断留下一条可检查的路径
CoT 处理的是推理分诊台中的中间路线：问题需要拆解，但还没有复杂到需要同时维护多条分支的情况。
-
18｜复杂度路由：一件事该消耗多少推理
复杂度路由是在任务进主链路之前，用一次轻量判断决定它该走哪条道、花多少推理、要不要人审。它是整个推理模块的前台。
-
19｜并行探索：一题多解，择优录取
让 Agent 同时铺开几条路。每条路按自己的口径查证据、算结果、写理由，最后再把几条路放在一起比较，这就是并行探索（Parallel Exploration）。
-
20｜迭代假设验证：用科学方法猜至证据的收敛
不会迭代的 Agent 给咱们“三个可能”；会迭代的 Agent 给咱们“三块证据”。
-
21｜行动模块导论：把任务安全地做好
行动模块先关心四件事：该做的能落下去，范围外的动作不能混进去，同一副作用不能重复发生，执行之后要留下证据。
-
22｜工具调度：从候选选择到执行准入
最简工具集 + 工具调度的精华思想可以浓缩为：先缩小能做什么，再判断这次能不能做，做完以后还要能证明发生了什么。
-
23｜规划执行：用全局计划约束局部恢复
规划执行把原始目标保存成目标契约，把长任务编译成带依赖和状态的计划。
-
24｜提示链：用段间契约阻断错误传播
提示链的工程价值是把任务拆成几段的同时，还会在每次交接时，阻止错误结果继续向后传播。
-
25｜护栏三明治：高风险行动的前中后防线
今天我们来看看，护栏三明治模式如何把一次高风险工具调用，变成一条有明确先后顺序的受控协议。
-
26｜反思模块导论：让 Agent 站到自己的结果之外
反思不是让模型多批评自己几次，而是把已经发生的结果重新送回系统，与可以核对的事实进行比较。
-
27｜生成评审：让每个版本独立接受审查
这一讲把生成评审拆成了四个角色和三种权限。生成者与修订器负责产生候选版本，评审者负责报告问题、分数和证据，策略闸负责决定当前版本通过还是退回。
-
28｜技能包：从成功轨迹到可验证能力
怎样把一次成功经历变成可以反复调用的能力，同时避免把当时的偶然条件一起固化下来？
-
29｜经验回放：让经验在复用中持续校准
经验不是一旦写进库就成为真理，而是一条带着出处、等待后续任务继续验证的假设。
-
在线阅读：DeepSeek Harness (dsh) 全插件化架构的组合、执行与记录
DeepSeek Harness 看起来和主流 Harness 完全是两条路线，它是不是也把 Agent 治理变难了？
-
30｜自愈循环：让自动修复在边界内收敛
Agent 连续几轮都没有解决原问题时，系统怎样发现自己正在原地打转？修复引出更多错误以后，怎样回到修改前的状态？
-
31｜协作模块导论：人一多，就需要把边界说清楚
当工作跨过执行者边界时，怎样把意图、真值、结果和责任说清楚，让局部产出真正合成为一个可验收的整体？
课程介绍
欢迎加入交流群 你将获得 咖哥首创方法论 · 双轴正交 Agent 设计框架 28 个 Agent 设计模式详解 + 代码级落地指南 Claude Code、Codex、Hermes 等八大优秀 Agent 源码&架构解析 十大...欢迎加入交流群
你将获得
- 咖哥首创方法论 · 双轴正交 Agent 设计框架
- 28 个 Agent 设计模式详解 + 代码级落地指南
- Claude Code、Codex、Hermes 等八大优秀 Agent 源码&架构解析
- 十大 Harness 思想，突破真实 Agent 卡点
- Agent 设计选型、构建与治理的工程全景图
讲师介绍
曾出版《大模型应用开发： RAG 实战课》《大模型应用开发：动手做 AI Agent》《GPT 图解：大模型是怎样构建的》《数据分析咖哥十话》《零基础学机器学习》等多本畅销书。最近在曼宁出版社出版了《Designing AI Agent》。
同时，也是极客时间的口碑讲师，出品过多门优质课程，近期开设的《大模型 RAG 进阶实战营》广受学员好评。
课程介绍
为什么做这门课？
AI 工程化中有两大普遍困境：多数 AI 工程师都能轻松跑通 Demo，却不敢将 Agent 投入生产；学了一堆框架，真到设计时依然无从下手。这个现象不是因为大模型不够强，而是你缺少一套能在工程现场使用的设计语言。
就像传统后端系统出问题，我们会追问：是事务边界错了？缓存失效了？消息幂等没做？限流缺了？服务拆分过度？成熟工程领域都有自己的问题语言。而Agent工程没有，只能模糊判断：“模型不够强”“prompt 还要调”“上下文没给够”“工具可能有点多”……粒度都太粗。
这门课真正想做的，就是把真实工程问题以及市面上能够看得到的优秀 Harness 架构（Claude Code、CodeX、OpenCode、Aider、OpenClaw、Hermes、OpenHand、DeerFlow）背后的公共结构抽象出来，沉淀出一套 Agent 工程里的设计语言，帮助工程师在AI工程实践中，定位问题、选择模式、组合方案，并最终落到代码和系统里。
这门课教什么？
课程围绕双轴正交框架与 28 个 Agent 设计模式展开。
具体来说，我们建立一套双轴框架：Y 轴 7 个认知功能（感知、记忆、推理、行动、反思、协作、治理），X 轴 6 种执行拓扑（链式、路由、并行、循环、编排、层级）。
两轴交叉，生长出 28 个工程模式。不是 28 个孤立技巧，而是一套 Agent 系统的资源分配学：注意力怎么分配、时间跨度怎么管理、副作用风险怎么控制、信任怎么分级。
课程共 9 大模块，从范式危机讲起，到感知、记忆、推理、行动、反思、协作、治理，最后用组合方法论收尾，每个模式都有源码剖析和工程实现。让你从工具使用者成长为智能系统设计者，做出会成长、能复用、可治理、会变老练的 Agent 系统。
课程的代码仓库如下：
https://github.com/huangjia2019/agent-design-patterns
https://github.com/huangjia2019/designing-ai-agents
第一个是用来讲模式的案例，第二个是从 0 到 1 逐渐构建一个Coding Agent。
学完课程有哪些收获？
- 清晰的 Agent 工程设计与施工地图：市面主流的 Harness 框架背后的工程关键点、Agent 系统为什么这样设计、Agent系统如何在生产实践中进化。
- 一套完整的Agent设计模式体系（28 个工程模式 + 双轴正交框架），面对任何不稳定的 Agent 系统都能快速定位：是感知不准、记忆断裂、推理成本太高，还是协作或治理缺失。
- 可落地的模式选型与组合方法论（Pattern Selection Card + 六步选型法），帮你根据业务问题针对性设计架构方案。
- 提升三大能力：看穿系统、组合模式、设计成长机制。不再只会归因“模型不够强”，而是能设计出会积累经验、可治理、值得托付的 Agent 系统。
课程目录
适合人群
