工具：Agent 的手脚怎么设计第 4 章聊工具（Tools）——Agent 连接”大脑”和真实世界的手脚和感官。书里类比《Her》里的 Samantha。 先分清：工具长什么样能力表达有个谱系，从专用到通用： 专用工具：结构化函数调用，

从零（From Scratch）手写大语言模型从0开始不依赖 HuggingFace、Ollama 等现成的大模型封装，使用 PyTorch 完成网络张量运算和自动求导，从零定义网络架构、初始化随机权重，并在自己的消费级显卡上训练出一个约百

用户记忆和知识库：让 Agent 记住你第 2 章管的是”一次任务内”的上下文。这一章往前走一步：任务结束了，Agent 怎么还认得你。 两个尺度：用户记忆 vs 知识库 用户记忆：针对单个用户的个性化——偏好、习惯、需求，让 Agent

上下文工程：Agent 的上限是 Context接着第 1 章的地图，这一章钻进”上下文”——也就是 Agent 每次调模型时，模型真正能看到的那一坨信息。 拉胯的模型标准测试里模型亮眼，一上业务就拉胯。原因往往不是模型笨，是它没背景：不知

《AI Agents in Depth》学习记录阅读地址：AI Agents in Depth 一句话公式现代 Agent = 大模型(LLM) + 上下文(Context) + 工具(Tools)。 真要落地到生产，展开成：Ag