awesome-ai-agent

概念篇

• 📊 【译文】A Visual Guide to LLM Agents
  简介：可视化解读LLM Agents技术架构，通过图形化演示降低理解门槛。

• 🏗️ LLM Powered Autonomous Agents
  简介：Lilian Weng (Lil'Log) 撰写的 Agent 领域里程碑式博文。系统性地讲述了 Agent = LLM + 规划 + 记忆 + 工具使用的架构公式，详细拆解了任务分解、自我反思、长短期记忆机制及外部工具集成等核心组件。

• 📝 Agent 核心论文深度解析（译文集）
  简介：深度解读 CoT (思维链)、ToT (思维树)、Reflexion (反思)、ReAct (推理+行动) 及 Toolformer (自监督工具学习) 等 Agent 核心论文，系统掌握智能体推理与规划的演进脉络。

• 🤖 AI Agent：7大认知框架全解析与代码实现
  简介：系统拆解AI Agent核心框架设计，结合可复现代码演示工程实现路径。

• 🔍 技术人的大模型应用初学指南
  简介：大淘宝技术团队撰写的实践指南，帮助开发者快速掌握大模型应用落地的核心方法论。

• 📖 Agent核心技术概念与范式发生了哪些演变以及背后的思考
  简介：围绕Agent技术从能力拼装到工程化落地的演变路径，梳理核心概念、主流架构范式与关键取舍，结合实践反思其背后的方法论与设计思维。

Agent 框架

• 📖 框架深度评测与对比分析
  简介：全面评测主流 Agent 框架，覆盖六大类别：通用开发（LangChain/LangGraph/OpenAI Agents SDK）、多Agent协作（AutoGen/CrewAI/MetaGPT/AgentScope/Camel-Owl）、自主Agent（AutoGPT/BabyAGI/gpt-engineer）、数据与RAG（LlamaIndex/MemGPT）、平台级工具（Dify/Flowise/Spring AI Alibaba）、领域专用（TradingAgents/GPT-Researcher）。从架构设计、核心能力、适用场景等维度深度对比，提供选型决策矩阵，助你快速定位最佳技术方案。

• 📖 LangGraph 官方文档 简介：LangChain 团队推出的状态图式 Agent 编排框架，支持循环、分支、持久化与人工干预，提供细粒度控制流与记忆管理，适合构建复杂多步骤 Agent 工作流。

• 📄 AutoGen: Enabling Next-Gen LLM Application via Multi-Agent Conversation 简介：微软研究院提出的多 Agent 对话框架，支持 Agent 间自主对话协作、人机协同、代码执行与工具调用，可构建研究助手、编码团队等复杂应用场景。

• 📖 如何设计一个AI Agent系统
  简介：大淘宝 SRE 团队出品，从工程实践出发，系统讲解如何以LLM为认知核心，围绕规划、记忆、工具与执行框架构建可控可用的Agent系统，并结合研发流程、设计范式、知识管理与资损分析案例，给出工业落地方法论与实践体会。

Harness 实践

• 📖 Effective harnesses for long-running agents
  简介：Harness 设计是 Agentic Coding 前沿性能的关键。本文介绍 Anthropic 如何在前端设计与长时自主软件工程任务中进一步释放 Claude 的能力。

• 📖 Harness design for long-running application development
  简介：Harness 设计是 Agentic Coding 前沿性能的关键。本文分享 Anthropic 如何在前端设计与长时自主软件工程任务中进一步推动 Claude 的能力边界。

• 📖 Effective context engineering for AI agents
  简介：Context 是 AI Agent 的关键且有限资源。本文系统讨论如何高效策划、组织与管理上下文，以提升智能体在复杂任务中的稳定性与产出质量。

• 📖 OpenAI — Harness Engineering: Harnessing Codex in an Agent-First World
  简介：OpenAI 分享在 Agent-First 时代如何通过 Harness Engineering 驱动 Codex 的稳定产出，重点覆盖上下文组织、工具调用编排、执行反馈闭环与工程可控性。

• 📖 Agent Harness 解析：智能体架构深度拆解
  简介：系统拆解 Agent Harness 的核心定义与工程边界，覆盖编排循环、工具调用、记忆体系、上下文管理、状态持久化、错误恢复与安全护栏等关键组件，并对 Anthropic、OpenAI、LangChain 等主流框架的落地模式进行对比，帮助从“模型能力”转向“基础设施能力”理解生产级智能体。

• 📖 用第一性原理拆解 Agentic Coding：从理论到实操
  简介：从第一性原理出发，系统拆解 Agentic Coding 的底层机制与工程实践：涵盖 LLM 自回归与 Attention 约束、Agent Loop 与工具调用原理、上下文管理与短对话策略、项目规则与复利工程（Compounding Engineering）等关键方法，帮助开发者从“会用 AI”走向“驾驭 AI 协作”的实战能力升级。

• 📖 逆向深扒Claude Code源码，我发现了什么！？
  简介：基于 Claude Code v2.1.88 泄露源码的逆向工程分析，系统拆解其最小 Agent Loop 如何通过 12 层渐进式 Harness 升级为工业级编码代理，重点覆盖工具系统、权限与安全、上下文压缩、子代理协同、Skills 按需注入、会话持久化与编译时特性门控等核心设计。

• 📖 深度解析 Hermes Agent 如何实现“自进化”及其 Prompt / Context / Harness 的设计实践
  简介：聚焦 Hermes 从“自主执行”迈向“自进化”的关键机制，系统拆解动态 Skill 沉淀与 RL 训练闭环两条演进路径，并从 Prompt、Context、Harness 三个工程维度分析其在异构模型兼容、长上下文压缩、记忆管理、错误自愈与安全约束上的设计取舍与落地实践。

• 📖 拆完Hermes源码，我发现Agent的"自我进化"根本不需要训练模型
  简介：基于 Hermes Agent 源码逆向分析，重点拆解其通过“四维记忆 + 技能自动生成 + 后台审查（KEPA）”实现的自进化机制，说明 Agent 能力提升可通过 Prompt Engineering 与文件持久化闭环达成，而不必依赖模型微调，并与 OpenClaw 的学习范式做了工程化对比。

• 📖 QQ音乐Harness Engineering实践
  简介：结合 QQ 音乐在 Monorepo Microservices 场景的落地案例，系统阐述如何以“代码产出 = AI 能力 × 上下文质量”为核心，通过五阶段四门禁、三层知识体系、三仓联动、Skill/Agent/Command 协同与 Self-Refinement 闭环，将 AI 协作从对话式编码升级为可控、可审计、可复用的工程流程。

• 📖 Claude Code Harness 工程：数仓侧落地方案｜得物技术
  简介：围绕数仓场景中 AI Coding 的上下文失忆、规范不稳与 context 膨胀问题，提出以 CLAUDE.md 持久化、Auto Memory、hooks 强校验、subagents 隔离与 SKILL 改造为核心的五层 Harness 防御体系，并给出可直接落地的 8 步工作流与工程化实施路径。

• 📖 横向拆解Claude Code、Codex等六大Agent上下文压缩策略后，我们做了第 7 个
  简介：横向对比 Claude Code、Codex、OpenCode、Cline、Cursor、Amp 与 MemGPT/Letta 的上下文压缩策略，提炼分层渐进、成本递增、增量摘要、用户消息保护与单调边界等共识，并面向云端多用户 Agent 落地四级水位线（Snip / Prune / Summarize）方案，补充存储分离、跨轮缓存与多用户隔离等工程实践。

感知记忆

• 📖 从架构到代码：深入理解 OpenClaw 的双源记忆系统
  简介：围绕 OpenClaw 的“动态会话日志（JSONL）+ 静态长期记忆（Markdown）”双源记忆架构，深入拆解记忆生成、分块索引、向量与关键词混合检索（sqlite-vec + FTS5）以及 Agent 调用链路，并分析其在上下文容量、信息保真与 token 成本之间的工程权衡。

• 📖 深度拆解 Hermes Agent 记忆系统：它修正了 OpenClaw 的哪层误区？
  简介：从运行时分层视角解析 Hermes 的记忆设计：通过 MEMORY/USER 热记忆、session_search 历史检索、skills 程序性记忆与可选 Honcho 外部建模，将“常驻事实、历史档案与流程经验”分层治理，并结合压缩前 memory flush 与 prompt cache 稳定前缀策略，展示其对长期 Agent 连续性与成本控制的工程取舍。

• 📄 MemGPT: Towards LLMs as Operating Systems 简介：借鉴操作系统内存分页机制，将有限上下文窗口视为"主存"，外部存储视为"磁盘"，通过自主管理的内存分页与检索策略突破上下文瓶颈，支持长期对话与多会话持久化。

• 📄 Let All Context Be Memorized: A Memory Bank Design for LLMs 简介：提出记忆银行架构，将历史信息按重要性分层存储，通过计算记忆的"存取频率"与"时间衰减"实现动态召回，有效缓解长对话中的信息遗忘问题。

RAG 实践

• 📖 大淘宝技术-RAG 全链路技术详解
  简介：深入解析RAG技术全链路实现细节。

• 📖 大淘宝技术-AI 答疑助手优化实践：从 RAG 到 LightRAG 的全链路升级
  简介：分享从RAG到LightRAG的优化升级实践经验。

• 📖 浏览器自动化：从GUI到OpenCLI
  简介：探讨浏览器自动化从 GUI 到 OpenCLI 的技术演进与实践。

• 📄 LightRAG: Simple and Fast Retrieval-Augmented Generation 简介：轻量级 RAG 框架，采用双层检索架构（细粒度关键词 + 精粒度语义），显著降低索引与查询延迟，相比 GraphRAG 在效率与成本上更友好，适合快速落地场景。

• 📄 From Local to Global: A Graph RAG Approach to Query-Focused Summarization 简介：微软提出的图结构 RAG 方法，将文档实体抽取为知识图谱，通过社区检测与分层摘要实现"全局问题"的答案合成，在需要跨文档推理的场景中表现优异。

评估观测

• 📊 Bringing Observability to Claude Code: OpenTelemetry in Action 简介：SigNoz 官方出品的深度实践指南，从零搭建 OpenTelemetry 监控体系。深入剖析 Token 用量分析、成本核算、响应延迟控制等生产级场景，适合需要完整可观测性方案的团队落地实施。

• 🔧 @devtheops/opencode-plugin-otel · npm 简介：功能完善的开源 OTel 插件，完整呈现 Claude Code 到 OpenTelemetry 的数据链路。通过研读源码可深入理解如何为 AI 应用构建生产级可观测性数据模型，是学习和定制监控方案的绝佳参考实现。

• 📖 Agent Tracing 技术方案对比：LangSmith vs Langfuse vs Phoenix
  简介：横向对比 LangSmith、Langfuse、Phoenix 三款 Agent Tracing 方案，覆盖产品定位、追踪/评测/数据集/监控、框架集成、部署方式与定价，并指出 LangSmith 不支持私有化部署，补充 Langfuse 与 Phoenix 作为可自部署替代选型。

• 📊 agenttrace
  简介：本地优先的AI编码智能体会话观测工具，可读取Claude Code、Codex CLI、Gemini CLI、Qwen Code、Aider、Cursor、OpenCode、OpenClaw等日志，帮助开发者查看成本、Token、耗时、工具失败和慢任务原因。

• 🚀 NVIDIA AgentIQ
  简介：企业级智能体观测与优化工具包，提供运行时性能分析、执行流程追踪、超参数/提示词优化器，支持 MCP/A2A 协议。

工具生态

• 📖 如何让你的 Agent 更准确：MCP 工具设计技巧
  简介：围绕“工具是 Agent 的用户界面”这一核心理念，系统讲解 MCP 工具在命名、描述、参数 schema、输出与错误处理上的设计方法，结合工具粒度控制、上下文与 token 成本、Skills 与 MCP 互补等实践，帮助提升 Agent 的工具选择准确率与调用稳定性。

• 📖 一文读懂 Agent Tools，拒绝复杂化、碎片化、黑盒化
  简介：从 Agent 工具全生命周期出发，系统梳理类型安全、LLM 友好接口、自我修复与人机确认等关键设计原则，并结合 AgentKit Gateway 在工具转化、调用治理、技能化管理与身份鉴权上的企业级实践，给出破解 Tools 碎片化、复杂化、黑盒化的落地路径。

• 📖 Code execution with MCP: Building more efficient agents
  简介：传统直接工具调用会为每个定义与中间结果持续消耗上下文。本文说明为何让 Agent 通过编写代码来调用工具更易扩展，并详细介绍在 MCP 中的实现方式。

• 📖 Writing effective tools for agents — with agents
  简介：Agent 的效果高度依赖可用工具质量。本文分享如何编写高质量工具与评测流程，并说明如何借助 Claude 反向优化其自身工具以进一步提升性能。

  评测基准

• 📊 AI Agent评测基准大揭秘：智能体的「体检标准」
  简介：深度解析主流Agent评估体系，系统性梳理 GAIA、AgentBench、PaperBench、WAA等七大主流评测基准，覆盖通用能力、安全鲁棒性、中文场景及科研复现等多维度评估体系。

• 📊 XBench
  简介：红杉中国推出的双轨测评体系：AGI Tracking测试技术上限，Profession-Aligned量化商业场景效用价值（如招聘/营销）。

• 🔍 ClawBench
  简介：面向真实生产网页的AI浏览器Agent评测基准，153个日常任务、144个真实网站、15个类别；通过提交拦截层（Chrome扩展+CDP）保证真实环境下的端到端评测不产生副作用。评测了7个前沿模 型，最佳通过率33.3%。[paper]

自我进化

• 📄 翁荔博客-通过Harness工程实现AI自我提升 简介：翁荔在文中系统梳理了从 ACE、Meta Context Engineering 到 Self-Harness、Darwin Gödel Machine 等一系列围绕「Harness 自我优化」展开的研究工作，并试图回答：递归式自我提升（RSI）究竟会先发生在模型权重层面，还是先发生在这层「脚手架」上

• 📄 翁荔长文谈Harness自进化：Agent越用越强，评测难点怎么破？ 简介：现有 Agent benchmark 大多仍然面向静态系统无法回答 harness evolution 中更关键的问题：一次更新到底改进了什么？提升是否能迁移到未见任务？是否只是过拟合近期反馈？是否遗忘了旧能力？是否引入了更高成本或运行时不稳定？

• 📄 Self-Refine: Iterative Refinement with Self-Feedback 简介：Aman Madaan et al. (CMU, Google, Allen AI)，单一 LLM 同时作为生成器、反馈提供者和优化者，通过迭代式自我反馈改进输出，无需额外训练数据或强化学习。在 7 个任务上平均提升 20%。

• 📄 OPRO: Large Language Models as Optimizers 简介：Chengrun Yang et al. (Google DeepMind) 提出的方法，将 LLM 作为通用优化器，用自然语言描述优化任务，以历史解和评分为上下文迭代生成新候选解。GSM8K 提升 8%，Big-Bench Hard 提升 50%。

• 📄 TextGrad: Automatic Differentiation via Text 简介：Mert Yuksekgonul et al. (Stanford) 提出的框架，借鉴神经网络反向传播思想，通过 LLM 提供的文本反馈"反向传播"优化复合 AI 系统各组件。采用 PyTorch 风格 API，GPT-4o 准确率从 51% 提升至 55%。[GitHub]

• 📄 DSPy: Compiling Declarative Language Model Calls *简介：Omar Khattab et al. (Stanford) 提出的声明式 LM 编程框架，将 LM 管道抽象为计算图，编译器自动优化提示词、微调策略与推理流程。GPT-3.5 提升 >25%，llama2-13b-chat 提升

65%。[文档]*

• 📄 ADAS: Automated Design of Agentic Systems 简介： Shengran Hu, Cong Lu, Jeff Clune 提出"元智能体搜索"（Meta Agent Search）框架，让智能体通过编程自动发现新智能体架构，构建不断增长的发现档案。发明的智能体超越手工设计 SOTA，且跨领域迁移鲁棒。

• 📄 STOP: Self-Teaching Optimization Program 简介：递归自改进框架，LLM 通过生成自教学样本、反思自身解法、蒸馏推理能力来实现无外部数据的持续优化。核心是代码层面的递归改进循环。

安全实践

• 📖 Claude Code 源码架构解析：从启动、Prompt 到权限管道
  简介：基于 Claude Code 本地源码，沿“启动链路→Prompt 装配→主循环→工具契约→文件编辑约束→权限决策→上下文压缩与记忆续航”主线，系统拆解其 Agent Runtime 的分层实现与治理边界，并讨论高权限扩展入口（hooks/MCP/skills）带来的安全面问题。

• 🛡️ AgentDojo: A Benchmark for Evaluating the Safety of LLM Agents 简介：Agent 安全评测基准，覆盖提示注入、工具滥用、权限绕过、数据泄露等 50+ 攻击场景，提供标准化攻击库与防御评测流程，量化 Agent 安全边界。

• 🛡️ ToolEmu: A Framework for Evaluating the Safety of Tool-Using LLMs 简介：工具使用安全风险分析框架，通过模拟工具执行环境检测 Agent 在调用工具时的潜在危害行为（如文件删除、API 滥用），支持风险等级分类与安全策略制定。

开源项目

• 📈 openclaw
  简介：OpenClaw开源项目。

• 🤖 Claude Code
  简介：Anthropic官方泄露版本的Claude Code源码。

• 🤖 OpenAI Codex
  简介：OpenAI出品，专精于理解自然语言并生成对应代码。核心特点：自然语言转代码、多语言支持、GitHub Copilot核心引擎。

• 🦌 DeerFlow
  简介：字节跳动推出的深度研究框架，集成多智能体协作与端到端研究自动化。核心特点：多智能体分工（基于LangGraph实现模块化架构）、工具深度集成（支持Tavily/DuckDuckGo搜索、Python代 码执行、学术资源抓取）、人机协同创作（提供类Notion的交互式编辑界面）、MCP无缝扩展。

• 🦌 HKUDS-VideoAgent
  简介：VideoAgent: 一站式智能体框架，用于视频理解、编辑与再创作

• 🦌 HKUDS-DeepTutor
  简介：DeepTutor 是一个智能体原生的学习工作区，在一个可扩展的系统中集成了辅导、解题、出题、研究、可视化及掌握度练习等多种功能。

• 🌐 Suna
  简介：Kortix AI推出的通用型智能体，专注于跨平台任务自动化执行。核心特点：浏览器自动化引擎（基于Playwright实现网页导航、数据抓取及表单操作）、安全沙箱环境（通过Docker容器隔离 任务执行）、多工具链协同、企业级部署。

• 🛠️ NotFair
  简介：面向营销场景的开源 Claude Code Skills 套件（约2.9k stars，MIT开源）。覆盖 SEO 站点分析、关键词研究、内容写作、Google Ads 审计与出价管理、Meta Ads（Facebook + Instagram）广告效果分析，通过 Google Ads MCP、Meta Ads MCP、Google Search Console MCP 和 Google Analytics（GA4）MCP 接入实时数据，是目前开源生态中覆盖付费广告+自然搜索最完整的 Agent Skills 实现。

• 🖥️ Orkas
  简介：开源、本地优先的多智能体桌面客户端，由 Commander 协调专业智能体并行或串行完成复杂任务，支持 macOS、Windows 与 Linux。

• 🌳 fractal
  简介：层级式编码智能体编排运行时。每个节点都在独立的 Git worktree 中通过自主循环推进任务，并可将可分离的子任务递归委派给子节点；支持深度、子节点数、成本和时间限制，使用本地 SQLite 数据库记录运行状态，并提供实时终端监控与干预。

资源中心

• 📚 《深入理解 AI Agent：设计原理与工程实践》（李博杰 著）
  简介：《深入理解 AI Agent：设计原理与工程实践》开源主仓库：全书正文、编译版 PDF 与按章配套代码。

• 📚 awesome-foundation-agents
  简介：系统性整理基础智能体研究路径的论文精选集，聚焦核心概念定义与技术演进脉络，提供领域研究全景导航。

• 🔍 Awesome Generative AI Guide
  简介：全面的生成式AI资源中心，整合研究论文、面试题库、免费课程与开发笔记。

• 🎓 Awesome-Agent-Papers
  简介：智能体领域前沿论文聚合仓库，覆盖大语言模型智能体、多智能体协作、人-智能体交互三大方向，持续追踪学术界突破性成果。

• 📈 awesome-openclaw-skills
  简介：OpenClaw技能资源汇总。

• 📈 showcase
  简介：OpenClaw展示案例。

• 📈 awesome-openclaw-usecases
  简介：OpenClaw用例资源汇总。

• 📚 awesome-ai-agents
  简介：AI Agent资源汇总。

• 📚 awesome-llm-apps
  简介：精选的LLM应用集合，基于RAG和AI agents构建，支持OpenAI、Anthropic、Google以及DeepSeek、Qwen、Llama等开源模型，可本地运行。