整个系列改名为AI Agent，充实第一篇内容

Author: skyan

content/posts/agents-arch-1/index.md

@@ -1,12 +1,17 @@
 +++
-title = "Agent实现原理与实践（一）：Agent Loop"
+title = "AI Agent实现原理与实践（一）：Agent Loop"
 date = 2026-04-25T16:00:00+08:00
 author = "Skyan"
 tags = ["framework", "programming", "agents", "ai","llm"]
 ShowToc = true
 ShowBreadCrumbs = true
 +++
 
+## 导言
+自2025年下半年以来，AI大模型的应用热点从chatbot转变到了智能体Agent。以Claude Code，Codex，OpenClaw等为代表的Agent风靡一时，成为业界热点话题。对于开发者而言，一旦习惯使用Agent来开发代码，就不会再回到过去那种、code completion或者chatbot的开发模式了。随之而来的一个疑问就是，Agent和AI chatbot这样的软件有什么本质区别？事实上，主要经过深入学习和研究Agent原理之后，每个人都会发现一个现象：那就是Agent的开发原理和过去所有的软件都不相同，它是一种**AI时代、新的、纯新、毫无争议的新**软件架构范式。每一个希望深入应用Agent架构的开发者、希望深入了解Agent的学习者、希望深入优化Agent的高级架构师，都必须先了解Agent的实现原理和最佳实践，才能深刻体会到这种崭新的思想，才能在AI时代快速变化的迷雾中，找到一丝微弱的亮光，指引开发者们前行。
+
+本系列文章以著名的四个Agent项目：Claude Code，OpenAI Codex，Pi，Nanobot作为基础案例，分别介绍Agent的主要机制的设计原理和最佳实践。共分为六章：「Agent Loop」，「Tool System」，「Context Management」，「SubAgent System」，「Permission, Approval & Sandbox」以及「Observability & Operations」，这六章可以从机制上剖析Agent的基本架构。但实际Agent应用的内涵远不止这些内容，Agent的工业级落地还会面临更为复杂的情况，这可能是另外一个话题了。
+
 ## 1. 前言
 
 随着2022年底以ChatGPT为代表的LLM（大语言模型）爆发式发展，AI Agent（智能体）迅速从概念走向工程实践。从早期简单的单轮对话工具，到如今能够自主规划、调用工具、持续迭代的编程Agent（如Cursor、Claude Code、Codex CLI），Agent已经成为大模型应用落地的核心形态。正如OpenAI在其官方博客中所说，Agent Loop是连接用户、模型和工具的枢纽。
@@ -70,9 +75,9 @@ flowchart TD
 
 ## 3. 主流项目的Agent Loop设计
 
-### 3.1 Codex CLI[^1]：平台型Runtime
+### 3.1 Codex[^1]：平台型Runtime
 
-Codex CLI是OpenAI发布的官方编程Agent工具，其Agent Loop设计最像完整的平台级Runtime。它的核心特点是**分层调度**：外层负责会话级任务调度，内层负责单轮Turn执行，最内层处理模型采样。
+Codex是OpenAI发布的官方编程Agent工具，其Agent Loop设计最像完整的平台级Runtime。它的核心特点是**分层调度**：外层负责会话级任务调度，内层负责单轮Turn执行，最内层处理模型采样。
 
 Codex的Loop可以概括为：
 
@@ -232,8 +237,6 @@ pi还创新性地把运行中插入的新消息分成两类：
 | nanobot | 一条消息处理闭环 | 轻量，但turn语义相对弱 |
 | pi | Assistant回复 + 整批tool call/result | 最符合tool-using agent的真实运行语义 |
 
-pi的定义最值得借鉴：把turn边界定为"assistant + tool batch"，比"每次模型请求就是一轮"更符合实际。因为用户和UI关心的是"Agent做完了一件事"，而不是"模型被调了一次"。
-
 ### 4.2 并发与插队输入
 
 | 项目 | 并发模型 | 插队机制 |
@@ -243,7 +246,6 @@ pi的定义最值得借鉴：把turn边界定为"assistant + tool batch"，比"
 | nanobot | per-session lock + global gate | 命令在编排层前面处理，不交给模型 |
 | pi | 单agent单活动loop，其余排队 | steering/follow-up在turn边界注入 |
 
-这里的关键权衡是：**即时性 vs 完整性**。Codex和Claude偏向更强的交互控制能力，nanobot和pi偏向更清晰的边界和可恢复性。
 
 ### 4.3 工具执行模型
 
@@ -254,7 +256,6 @@ pi的定义最值得借鉴：把turn边界定为"assistant + tool batch"，比"
 | nanobot | 标准LLM->tool calls->execute->results->LLM闭环 |
 | pi | 三阶段生命周期（prepare/execute/finalize），事件驱动 |
 
-Claude的"工具调用单位是invocation pipeline而不是简单函数调用"这一思想非常重要。真实场景中，工具调用涉及权限检查、progress事件、错误格式化、context mutation等，远非`tool(input)->output`能概括。新项目实现的时候可以参考，但要避免过度设计。
 
 ### 4.4 上下文与历史管理
 
@@ -265,7 +266,6 @@ Claude的"工具调用单位是invocation pipeline而不是简单函数调用"
 | nanobot | 合法历史约束，append-only session，memory consolidation |
 | pi | 内部消息模型与provider消息解耦，partial assistant实时写回 |
 
-每个项目在这方面能力都差不多，大同小异。
 
 ### 4.5 压缩、恢复与后台机制
 
@@ -276,7 +276,6 @@ Claude的"工具调用单位是invocation pipeline而不是简单函数调用"
 | nanobot | 请求前token预算判断，请求后异步consolidation，子agent复用主内核 |
 | pi | Retry/compaction放在session runtime，loop内核保持纯粹 |
 
-Claude的多级压缩策略最完整：先减细碎噪声，再收缩局部结果，再做结构化压缩，最后做失败后恢复。但从另外一个角度来说，我强烈怀疑这是Claude一直不断打补丁之后的结果，缺乏一个顶层设计。
 
 ### 4.6 子Agent与递归复用
 
@@ -287,7 +286,7 @@ Claude的多级压缩策略最完整：先减细碎噪声，再收缩局部结
 - **nanobot**：子Agent复用主执行内核但缩小工具集，结果必须回到主loop
 - **pi**：通过extension hook和session runtime接入
 
-多Agent设计是未来Agent程序的高级特性，也是能决定能否实现集群作业的关键能力。各个项目实现不同，但Claude Code同一个loop同时服务主会话和子Agent，采用了单循环、多上下文的架构设计，每个 Agent 拥有独立的上下文，但共享一个事件循环。这样的设计也的确是个迷，越来越像是一个原型项目不断打补丁了。
+多Agent设计是未来Agent程序的高级特性，也是能决定能否实现集群作业的关键能力。
 
 ## 5. 设计共识
 
@@ -306,14 +305,7 @@ Claude的多级压缩策略最完整：先减细碎噪声，再收缩局部结
 
 Agent Loop是Agent系统的核心机制，它决定了Agent如何思考、行动和与外部世界交互。从朴素的`while(true)`到成熟的Runtime，Agent Loop的演进体现了软件工程的核心思想：**通过清晰的边界和分层，管理复杂度，保证可靠性。**
 
-四个主流项目虽然风格各异，：
-
-- **Codex**设计重心的是：平台型Agent Runtime如何调度和推进Turn
-- **Claude**不断打的补丁是：可恢复、可流式、可前后台托管的Query Runtime如何工作
-- **nanobot**从学术上定义：消息驱动Agent系统如何用最小内核长期稳定运行
-- **pi**从实践的角度实现：交互式Coding Agent Runtime如何保证消息边界、工具和状态收敛
-
-Agent Loop的设计没有银弹，但显而易见的工程原则是：在确定边界上推进状态，在边界之外通过hook和运行时层扩展能力。下一篇，我们将深入探讨Agent的 **工具系统（Tool System）** 设计，分析如何让Agent安全、高效、可扩展地调用外部能力。
+Agent Loop的设计工程原则一般是：在确定边界上推进状态，在边界之外通过hook和运行时层扩展能力。下一篇，我们将深入探讨Agent的 **工具系统（Tool System）** 设计，分析如何让Agent安全、高效、可扩展地调用外部能力。
 
 ## 参考文献
 

content/posts/agents-arch-2/index.md

@@ -1,5 +1,5 @@
 +++
-title = "Agent实现原理与实践（二）：Tool System"
+title = "AI Agent实现原理与实践（二）：Tool System"
 date = 2026-06-06T16:00:00+08:00
 author = "Skyan"
 tags = ["framework", "programming", "agents", "ai", "llm"]

content/posts/agents-arch-4/index.md

@@ -1,5 +1,5 @@
 +++
-title = "Agent实现原理与实践（四）：SubAgent System"
+title = "AI Agent实现原理与实践（四）：SubAgent System"
 date = 2026-06-07T10:00:00+08:00
 author = "Skyan"
 tags = ["framework", "programming", "agents", "ai", "llm"]

content/posts/agents-arch-5/index.md

@@ -1,5 +1,5 @@
 +++
-title = "Agent实现原理与实践（五）：Permission, Approval & Sandbox"
+title = "AI Agent实现原理与实践（五）：Permission, Approval & Sandbox"
 date = 2026-06-07T17:00:00+08:00
 author = "Skyan"
 tags = ["framework", "programming", "agents", "ai", "llm", "security"]

content/posts/agents-arch-6/index.md

@@ -1,5 +1,5 @@
 +++
-title = "Agent实现原理与实践（六）：Observability & Operations"
+title = "AI Agent实现原理与实践（六）：Observability & Operations"
 date = 2026-06-07T18:00:00+08:00
 author = "Skyan"
 tags = ["framework", "programming", "agents", "ai", "llm", "observability", "operations"]