AI Coding Agent 的控制流并不神秘,核心是大语言模型根据上下文决定下一步动作,程序执行工具并把结果放回上下文。通过一个可运行的 Python 示例,可以看清 while 循环、工具调用、规则文件和上下文工程之间的关系。
OpenSkills 把技能定义、匹配、资源加载和脚本执行拆成透明流程,适合把 AI Agent 能力集成到自己的 Python 项目。内容覆盖三层渐进式加载、SKILL.md 写法、脚本沙箱、Reference 加载模式和周报生成年度复盘的完整示例。
面向后端开发场景,系统拆解 AI Coding 的协作方式:如何用 Markdown 管理外部上下文,如何判断 AI 生成代码是否可靠,以及如何把它用于需求分析、代码开发、数据脚本、Agent 设计和技术文档输出。
Agentic AI 不是简单地让大模型回答一次问题,而是让模型能规划任务、调用工具、检查结果并迭代完成复杂工作。这里用 Python 讲清反思、工具使用、规划、多智能体四种核心模式,以及落地时的测试和生产注意事项。