
AI Agent 工程原则的核心,是把大模型的一次性生成能力,组织成可持续、可恢复、可验证、可治理的任务执行系统。模型只负责提出动作建议,真正的执行必须由运行时进行权限控制、参数校验、风险分级和必要确认。
成熟 AI Agent 需要明确的跨轮状态、执行账本、生命周期状态机和心跳机制,能够持续记录目标、步骤、工具调用、错误、中断与下一步动作。
上下文治理应区分长期规则、长期记忆和会话连续性,通过 compact 保留最小充分状态,而不是无限追加信息。
工具调度要保持因果秩序,高风险操作需沙箱、审计、回滚和确认。
错误恢复要分层处理,设置重试、熔断和断点续写机制,避免自我回环。
多智能体系统应强调状态边界、上下文隔离、验证解耦和生命周期可观测。
总体而言,LLM 提供智能,工具提供行动,记忆提供历史,Runtime 与 Heartbeat 提供持续执行能力,Ledger 和状态机提供可靠性。


https://github.com/NanmiCoder/cc-haha/tree/main
夜雨聆风