$ grep -l "#Agent" ~/articles/*
tag: #Agent
21 post(s)
别急着让 AI 写代码,先把项目里的词讲清楚
Matt Pocock 在 15 分钟演示里解释:为什么用 /grill-with-docs 替代单纯让 AI 写代码。核心是先把项目里的业务名词、历史决定和隐含约定讲清楚,再谈生成。本期聊文档驱动的 AI 协作,以及团队知识库的正确建设姿势。
用 Swift 构建 MCP Server:从零到接入 Claude 的完整教程
主流 MCP 教程几乎都是 Python 或 TypeScript,Swift 版本极少。本期手把手用 Swift 实现 Model Context Protocol Server:协议原理、stdio 传输、tools 与 resources 设计,一直到接入 Claude 全流程,附完整可跑代码。
AI Native 的标准是什么?我和 Hermes 的一次真实协作
AI Native 的标准不是离开电脑,而是工作变成一段随时可以继续的协作。本期从一次真实的线上故障排查聊起:知识如何分层沉淀、agent 如何接力完成任务,人与 AI 的协作边界到底画在哪,顺带复盘 Hermes 网关的实战经验与踩过的坑。
后台审查:Hermes 每次对话都在默默学习
前两篇我们看了闭环架构总览和记忆系统。这篇进入核心引擎—— 后台审查 (Background Review)。 如果你只能记住 Hermes 自我进化的一件事,记住这个: 每一轮对话结束后,都有一个审查代理在默默回放你的对话,判断什么值得学习 。这是整个闭环的引擎。
自进化 Agent 诞生:Hermes 闭环学习架构总览
Hermes Agent 是目前唯一内置完整学习闭环的 AI 代理——从经验中创建技能,在使用中改进技能,主动持久化知识,搜索过往对话,跨会话构建对用户的深度理解。本文是这个深度解析系列的总览,分析其闭环学习架构的三根支柱和它们如何协同工作。
Axion 记忆与技能:越用越聪明的桌面助手
前几篇我们看了 Axion 怎么执行单次任务。但自动化有一个朴素的目标: 做过的事不想再做第二遍 。 Axion 用两种机制来实现这个目标—— 跨任务记忆 和 录制回放技能 。前者让 Agent 越用越聪明,后者让重复操作完全不需要 LLM。
Axion 核心引擎:Plan-Execute-Verify 循环
深入解析 Axion 的执行引擎。从 RunEngine 状态机的完整状态流转,到 LLM Planner 如何通过 System Prompt 引导生成操作计划,再到失败恢复和用户接管机制。一次看懂 Agent 如何从自然语言到桌面操作。
BMAD Story Automator 上手实录:把 5 个待办 Story 交给 AI 自主推进
如果你已经习惯通过 BAMD 写代码,接下来真正耗时间的,往往不是“写”,而是“协调”。 一个 Epic 里有 5 个、10 个、20 个 Story。每个 Story 都要经历创建规格、开发实现、自动化测试、代码审查、回顾总结。真正让人疲惫的,不是某一步本身,而是你要不断盯着流程、切换会话、处理失败、决定下一步。
深入 SwiftWork(第 4 篇):数据层与服务——SwiftData、状态恢复与 Markdown 渲染
详解 SwiftWork 的数据层和服务组件:SwiftData 模型设计、AppStateManager 状态恢复机制、MarkdownRenderer 的 Visitor 模式实现、Splash 代码高亮、Keychain API Key 管理和自动标题生成。
深入 Open Agent SDK(番外篇):实战验证——把 SDK 塞进一个 macOS 原生 Agent 应用
把 Open Agent SDK 集成到开源 macOS 原生 Agent 应用 Motive 中,用 SDKBridge 替换掉外部 opencode 进程,验证 SDK 在真实 GUI 应用场景下的工程表现。全文记录架构对比、踩坑记录和最终的集成代码。
深入 SwiftWork(第 3 篇):Tool Card——可扩展的工具可视化系统
详解 SwiftWork 的 Tool Card 系统:ToolRenderable 协议如何定义工具渲染契约、ToolRendererRegistry 如何做注册查找、5 个内置渲染器的差异,以及 ToolResultContentView 的 diff 检测。
深入 SwiftWork(第 2 篇):事件时间线——18 种事件的可视化与性能
第 1 篇讲了 AgentBridge 怎么把 SDK 的 AsyncStream<SDKMessage 变成 [AgentEvent] 。这篇看 [AgentEvent] 变成什么——TimelineView 怎么渲染 18 种事件、怎么处理滚屏行为、怎么在事件量很大时保持流畅。
深入 SwiftWork(第 1 篇):SDK 集成层——把 AsyncStream 接进 SwiftUI
第 0 篇画了全景图—— AsyncStream<SDKMessage → AgentBridge → EventMapper → SwiftUI 。这篇拆开中间两层:AgentBridge 和 EventMapper,看它们怎么把 SDK 的消息流变成 SwiftUI 可以直接消费的事件列表。
深入 SwiftWork(第 0 篇):用 SwiftUI 构建一个 Agent 可视化工作台
前面七篇文章加上番外篇,我们把 Open Agent SDK 的内部机制翻了个底朝天——Agent Loop、工具系统、MCP 集成、多 Agent 协作、会话持久化、多 LLM 支持。番外篇还把 SDK 塞进了一个 macOS 原生应用 Motive 里跑了跑。
深入 Open Agent SDK(六):多 LLM 提供商与运行时控制
分析 Open Agent SDK 的多 LLM 提供商支持(LLMClient 协议、AnthropicClient、OpenAIClient 适配层)、运行时模型切换与计费、Thinking/Effort 配置、Skills 系统与工具限制,以及预算控制、中断、动态权限等运行时控制机制。
深入 Open Agent SDK(五):会话持久化与安全防线
分析 Open Agent SDK 的会话持久化、权限控制、沙盒机制和 Hook 系统——SessionStore 的五个核心操作、六种 PermissionMode、SandboxChecker 的路径与命令过滤、20+ 生命周期事件的 HookRegistry,以及四者组合构建安全 Agent 的完整方案。
深入 Open Agent SDK(四):多 Agent 协作——子代理、团队与任务编排
分析 Open Agent SDK 的多 Agent 协作机制:子 Agent 生成(SubAgentSpawner 协议、DefaultSubAgentSpawner、AgentTool)、Task 任务系统(生命周期与状态机)、Team 团队管理、MailboxStore 消息传递,以及实际的编排模式。
深入 Open Agent SDK(三):MCP 集成实战——让 Agent 连接万物
分析 Open Agent SDK 的 MCP 集成:五种传输配置、MCPClientManager 连接流程、运行时动态管理、MCP 资源系统、InProcessMCPServer 零开销模式,让 Agent 通过标准协议接入任意外部工具。
深入 Open Agent SDK(二):34 个工具的背后——工具协议、三层架构与自定义扩展
本文是「深入 Open Agent SDK (Swift)」系列第二篇。系列目录见这里。 上一篇分析了 Agent Loop 的运转机制,其中有一个环节是'执行工具'——LLM 说'我要调 Bash',SDK 就真的起一个进程跑命令。但这背后的工具系统远不止'调个函数'那么简单。
深入 Open Agent SDK(一):Agent Loop 内核——从 prompt 到多轮对话的完整运转机制
分析 Open Agent SDK 的 Agent Loop 状态机:阻塞式 prompt() 和流式 stream() 两条路径、工具并发/串行分治、自动压缩、微压缩、预算控制、协作取消,看一个 Swift Agent 怎样在进程内跑完整个循环。
Open Agent SDK (Swift):用原生 Swift 构建 AI Agent 应用
Open Agent SDK 是一个开源的 Swift Agent SDK,支持完整的 Agent Loop、34 个内置工具、多 LLM 提供商、MCP 集成、子 Agent 协作和会话持久化,让你用原生 Swift 并发在进程内构建 AI 驱动的应用。