Agent 工程路线
这条路线关注的是：当 AI 不只是聊天，而是开始读文件、调用工具、改代码、接 OAuth、沉淀技能时，应该怎样理解和管理它。
推荐阅读顺序
1. 先拆清 Agent 的基本结构
这是总入口。先把 Agent 拆成模型、提示、工具和编排四层，理解它为什么能做事，也理解它为什么不是玄学。
2. 再看能力如何长期沉淀
Agent 长期使用时，最重要的不是“让它记住所有事”，而是把事实、偏好、流程和长文档放到合适的位置。记忆、技能、搜索分别承担不同成本。
3. 接着处理成本问题
真正高频使用 Agent 后，上下文成本会迅速变成核心问题。这篇解释 Token 滚雪球、前缀缓存、压缩阈值和会话纪律。
4. 看一次真实接入排障
OAuth、账号关联、403、手机授权、本地 callback，这篇记录一次不那么顺滑但很真实的模型接入过程。
5. 最后看 Skill 如何延展到认知工具
这篇不是工程排障，而是一个 Skill 的产品化例子：把古典智慧变成可调用的决策辅助框架。
这条路线真正想回答的问题
- Agent 和普通聊天模型到底差在哪里？
- 什么应该写进记忆，什么应该沉淀成技能？
- 为什么长对话会越来越贵、越来越慢？
- 工具调用、OAuth、RAG、session search 这些能力如何组成真实协作流程？
相关延伸
- 真实工具路线：看 Agent 工程如何落到真实工具开发里。
- 信息抓取与发布全自动管线：看 Agent/AI 思路在信息处理流水线中的应用。