Agent = Model + Harness

搞懂 Agent,
从原理到亲手搭建。

一个可以点、可以看、可以跑的交互式学习站。22 门课讲透 Agent 循环、Skill 体系与 MCP 协议,右侧的 3D 装置就是你要学会的第一件事:想、做、看,循环到完成。

22
系统课程
3
交互实验室
66
道自测题
4 周
可打卡路线
SCROLL ↓
ReAct 循环·Function Calling·Progressive Disclosure·SKILL.md·MCP 协议·Tool RAG·Context Engineering·Agentic RL· ReAct 循环·Function Calling·Progressive Disclosure·SKILL.md·MCP 协议·Tool RAG·Context Engineering·Agentic RL·

模型是发动机,Harness 是底盘,Skill 是驾驶手册。理解分层的人,才能搭出真正可用的整车。

Lab 01

Agent Loop:想 → 做 → 看,直到完成

模型自己不会"动手",它只是输出"我想调用某工具"的结构化文本,真正执行的是你写的代码。点击运行,亲眼看一遍这个循环。

任务:"北京天气怎么样?温度 ×2 是多少?"
🧠
思考
LLM 推理:
现在该做什么?
LLM
🔧
行动
调用工具:
search / calc / API
TOOLS
👁
观察
拿到工具结果,
喂回上下文
CONTEXT
待运行 —— 点击"运行"开始循环
agent-runtime.log
// 等待运行…
Lab 02

一张图分清:模型 / Harness / Skill / MCP

这四层经常被混为一谈。点击任意一层,看它到底是什么、负责什么、代表产品有哪些。

🎁 Agent 产品 面向用户的完整形态
L4
Claude Code · Hermes Agent · Manus
📦 Skill 层 可复用的 SOP 能力包
L3
SKILL.md · 渐进式披露 · 按需加载
⚙️ Harness 层 执行神经系统
L2
Agent Loop · 工具注册 · 上下文工程 · 记忆
🧠 模型层 只会"文本进、文本出"的大脑
L1
GPT · Claude · DeepSeek · Hermes 模型
🔌 MCP 横向贯穿的"USB-C 接口"
协议
让任意 Agent 标准化接入外部工具/数据源
← 点击左侧任意一层查看详解
类比: 🧠 模型 = 发动机→ ⚙️ Harness = 车架与传动→ 📦 Skill = 驾驶技巧手册→ 🔌 MCP = 标准加油口→ 🎁 Agent = 整车
Lab 03

Agent 如何自动选择 Skill?

没有独立的"分类器模型"——检索粗筛 + LLM 语义精排 + 渐进加载。选一个任务,看完整的选择流水线。

SKILL LIBRARY(元数据常驻,~100 token/个)
📊 data-analysis
use when: 分析 CSV/Excel、漏斗、留存、指标拆解
🎬 video-editing
use when: 剪辑、转码、字幕、短视频制作
📝 prd-writer
use when: 写需求文档、整理纪要、功能说明
🔍 seo-audit
use when: 搜索可见性、站点体检、schema
SELECTION PIPELINE
1
检索召回 FTS5 / 向量检索
2
LLM 语义精排 读 description 做匹配
3
结构化调用 JSON tool_call + schema 校验
4
渐进加载执行 Progressive Disclosure
Curriculum

课程地图 22 课 · 基础 10 课 + Hello-Agents 全书精要 12 课

按顺序学习,完成状态自动保存在本地浏览器。L01-L10 为基础体系;L11-L22 提炼自 Datawhale《Hello-Agents》 全书 16 章 + 扩展章节。

Resources

配套学习资源