4 个工具撑起一个 coding agent
本文深度拆解开源 Coding Agent pi 的工具调用机制,揭示其仅靠 bash、read、write、edit 四个工具即可完成核心编码任务。详细阐述了工具调用的三段式流水线(准备、执行、收尾),以及如何通过并行执行与文件变更队列解决并发冲突,为构建自研 Agent 提供了实战参考。
本文深度拆解开源 Coding Agent pi 的工具调用机制,揭示其仅靠 bash、read、write、edit 四个工具即可完成核心编码任务。详细阐述了工具调用的三段式流水线(准备、执行、收尾),以及如何通过并行执行与文件变更队列解决并发冲突,为构建自研 Agent 提供了实战参考。
文章针对特定开源项目进行了深度的源码级剖析,提供了具体的实现逻辑、代码片段及配套仓库,实战指导性极强且内容高度时效。
本文是 Agent 内核拆解系列第 4 篇,深入分析开源 coding agent pi 的 compaction(上下文压缩)机制。文章介绍了触发压缩的两种条件:context 超过阈值(窗口减去 reserveTokens)和 API 溢出报错,并讲解了溢出恢复流程。压缩时从消息列表末尾回溯找合法切割点(保留最近约 2 万 token 原文),之前的消息用 LLM 按结构化格式(Goal、Progress、Key Decisions 等)总结成摘要,并在末尾追加 <read-files> 和 <modified-files> 文件列表,让模型压缩后仍知道读过、改过哪些文件。文末提供配套可运行代码与实践建议。
文章系统讲解了构建生产级 AI Agent 的五个层次:上下文工程、循环工程、Jev 工程、Harness 工程和评估工程,并以新员工类比逐一解释。核心内容包括:上下文窗口管理(稳定内容前置、利用 prompt caching、工具过多时改用搜索、用子代理减少主上下文占用);循环与工作流的区别(能否预先写清步骤),强调循环需要明确目标、外部检查器等四要素。每个层次都配有构建方法与面向初学者的捷径方案(通过 Viktor 这类 AI 员工工具实现)。目标是让小团队用可靠的 Agent 承担重复性工作,实现不增人力的规模扩张。
文章盘点了近期爆火的 5 个 Agent Skills 开源项目:Google Android 官方的安卓开发技能包 android/skills、K-Dense 的 177 项覆盖多学科的 AI 科学家技能库、rehan-remade 的万能游戏 Mod 工具、QingYunA 的一页式 HTML 回答方案,以及 oil-oil 的 UI 设计师技能。这些项目展示了 Skills 生态的爆发:官方下场教 AI 写安卓、Agent 变身科研专家、一句话改游戏、答案自带排版、AI 具备审美能力,标志着 Agent Skills 正成为下一代 AI 能力扩展标准。
本文是 Agent 面试高频题详解第 3 题,围绕多 Agent 架构展开。作者结合 50 位作者、63 场面试的面经,系统梳理了六个追问方向:要不要拆、怎么拆、怎么通信、结果谁汇总等。文章指出单 Agent 在上下文膨胀、工具过多、提示词分支复杂、无法并行四方面会卡住;同时多 Agent 有 token 成本(约为普通对话 15 倍)、协调开销、信息丢失和错误传播等代价。文中总结了主从、流水线、并行分片、执行加审查、按意图转交五种结构,以及上下文、工具权限、可验收三类拆分边界,并对比 Skill、MCP、Workflow、SubAgent 等概念的适用场景,最后给出通信方式与面试应答要点。
文章系统解释了 AI 领域中 harness(套件/执行框架)的概念。作者指出 LLM 默认只能生成文本,要真正执行操作需要工具、调用语法、解析系统、结果回传和工具清单,这一切组成了 harness。文中区分了界面(如 Claude Code 的 TUI/GUI)与底层 harness(如 Anthropic Agent SDK、Codex App Server),并用厨房比喻说明 harness 与工具的关系。文章还解释了 MCP 的作用——类似'食谱',让代码可以在外部运行,以及 agent 的定义:LLM 与 harness 的结合体。
本文是一篇面向新手的 Pi Coding Agent 全面入门教程。Pi 是一个跑在终端里的极简 AI 编程智能体框架,定位为'最小智能体外壳':内核只保留基本工具循环,计划模式、子智能体、权限系统等能力全部拆给扩展。文章详细介绍了安装方式(官方脚本、npm、Nix)、界面与常用快捷键、模型配置、四种使用模式(交互、打印/JSON、RPC、SDK)、技能/扩展/提示词模板/主题的扩展体系,以及树状会话管理。作者重点总结了七个常见坑:无内置权限系统需容器隔离、默认无 plan mode、npm 不锁传递依赖、grep 等工具默认关闭等。Pi 支持 15 家以上模型商,MIT 协议,与 Claude Code、Codex 是两条路线:要开箱即用选成品,要可自由定制的个人智能体选 Pi。
作者实测 EverMind 的 EverOS Cloud——一个定位为 Agentic AI 的记忆操作系统。文章指出 RAG 式对话检索不等于经验提取,EverOS 将记忆分为 Episodes、Profiles、Cases、Skills 四类。作者用 Python API 模拟 FFmpeg 渲染报错(width not divisible by 2)场景:仅提交对话叙述只产生 Episode;提交完整的 tool_calls 执行轨迹后,系统成功生成结构化 Agent Case,并可用不同措辞的新查询检索到该 Case。测试验证了'执行轨迹→Case 提取→语义检索'链路,但 Skill 的生成与端到端复用仍待验证。作者认为 agent 记忆的价值在于保留可复用的工程经验,而非扩大上下文窗口。
文章将一篇灵长类大脑神经科学的预印本、七世纪玄奘译出的《解深密经》与当今 Agent 架构并置对照,提出一个猜想:意识可能不仅关乎'位置'和'规模',还关乎'时间上的选择'。研究发现面孔区以约每秒15次的节奏在'被意识到'和'被抑制'的表征间交替。作者类比唯识八识体系,指出今天的 AI 只有前五识和第六意识(推理),缺少第七末那识(恒常自我追踪)和第八阿赖耶识(恒转如瀑流的种子池)。文末给出一个玩具级'常驻之河' Agent 设计,包含种子池、节拍调度器、竞争选择、末那日志和熏习写回五个部件,探讨如何构建一个持续流动而非'每次调用从零开始'的系统。
文章盘点了本周 GitHub 上增长最快的十个 AI 开源项目:REA 可用 AI 逆向分析任意应用;Matt Pocock 的 skills 提供工程化 AI 编程技能;diagram-design 教 AI 画出专业图解;OpenMontage 把编程助手变成 AI 视频工作室;claude-mem 为 AI 增加长期记忆并节省 token;free-claude-code 汇聚免费模型额度让 AI 编程工具零成本使用;Anthropic 官方 knowledge-work-plugins 面向非程序员岗位;AirLLM 让小显存跑超大模型;text-to-cad 一句话生成可加工的 3D 零件;OpenSRE 让 AI 承担线上运维值班工作。
作者耗时5天对 REA 增强版 Codex 与原生 Codex 进行了108次对照实验,其中35对可同条件比较。文章详细记录了三个阶段:首先是六次小型探索,测试笔记导出、桌面应用复制、.NET 计价函数复现三组任务,两边均通过全部用例但 REA 组耗时略长;随后扩展至六档难度、两种模型共72次正式运行。文章分析了 REA 作为调查工具为模型提供的模块关系、函数位置等线索,以及原生 Codex 借助普通工具自行调查的能力,指出在小规模任务中两者能力差距不明显,差异更多体现在调查入口和验证路径上,并对实验边界与结论适用范围做了严谨说明。
作者面试一家 AI+Web3 公司失败后,获得面试官分享的《Agent工程师入门指南》,并结合自己的学习心得整理成一条完整的 Agent 工程师学习路线。内容涵盖 LLM 基础(Transformer、Token、上下文窗口、采样参数、API 协议、流式输出、结构化输出、工具调用、Embedding)、Prompt Engineering(Zero-shot/Few-shot、CoT、ReAct、Reflexion)以及 RAG(文档解析、分块、检索与重排)等核心知识。每个知识点都附有学习文档链接、项目要求和验收标准,帮助学习者系统掌握 AI 应用开发技能并检验学习成果。
一位18岁大学生仅用iPhone 16e和Kaggle笔记本,开发出稀疏注意力机制ALHR(Adaptive Learnable Hierarchical Routing)。该方法通过给key矩阵构建静态二叉树,配合预算预测器、邻居搜索和树下降三步推理,让每个query只读取所需key。在1024 token的MQAR测试中,仅读取2.83%的key即可达到92.1%准确率(稠密基线94.9%),KV压缩35.3倍。训练分三段:先训稠密教师模型,再用其注意力矩阵标注top-k key训练树模块,最后无教师联合训练。目前因未做kernel优化比稠密注意力慢约10倍,代码由Claude Sonnet 5.5生成,Apache-2.0开源。