Agent Loop 的实现原理：从 OpenAI Agents SDK 看一个智能体如何运转
Agent 看起来能自主规划、调用工具、完成任务，但在程序内部，它究竟如何运转？ 本文选取 OpenAI Agents Python SDK 的 Runner 作为研究对象，依据官方文档和调研时读取的 main 分支源码，拆解它的核心循环。本文属于文档与源码调研，不包含实际模型调用测试；引用的 main 分支及在线文档会持续更新，内部函数和文件布局可能随版本变化。 ...
AI Agent
Memory Bear：给 AI Agent 装上人类般的记忆
从认知科学出发，设计并实现一个仿人类记忆的 AI Agent 记忆系统。本文涵盖 ACT-R 激活扩散模型、艾宾浩斯遗忘曲线、情绪调节记忆编码，以及完整的 Python 实现解析。
Agent 架构模式完全指南：从 ReAct 到 Graph 的多维度解析与选型决策
10 种 Agent 模式不是同一维度。本文按推理、能力、编排、基础设施四维分类，给出系统化选型框架。
如何写好 AI Agent Skill：从零到发布的完全指南
如何写好 AI Agent Skill：从零到发布的完全指南 2026 年，AI Agent 的能力已经从"聊天"进化到"执行"。但 Agent 能否正确执行，取决于你给它什么样的指令。Skill 就是给 Agent 的专业操作手册——写得好，它是你的超级助手；写得差，它是你的定时炸弹。 ...
Harness Engineering：前端 AI 驱动的工程化实践完全指南
Harness Engineering：前端 AI 驱动的工程化实践完全指南 当 AI 能编写代码时，我们面临的挑战不再是"如何写代码"，而是"如何让 AI 按照正确的意图写代码"。Harness Engineering 提供了一套结构化的方法论，将需求、设计、实现、验证串联成可追溯、可迭代的工程流程。 ...
AI Agent 是如何自我迭代解决问题的？—— 一个普通人也能看懂的故事
引言：当你让 AI 帮你做一道菜 想象一下，你对你的智能助手说：“帮我做一道西红柿炒蛋。” 如果是一个普通的 AI，它可能会直接给你一个菜谱，然后说：“这是你要的菜谱，照着做吧。” ...
深度解析 OpenClaw 技术实现原理：从入门到实践
通过类比和实际例子，深入浅出地讲解 OpenClaw 的核心架构和工作原理，并手把手实现一个最小化 Demo