一、 核心定位与目标

本书被定义为“务实的设计指南” 。如果说作者的前作关注“构建什么”，那么本书则专注于“如何构建” 。它通过收集 2025 年智能体爆发年期间，各大模型实验室和初创公司的成功与失败案例，提炼出了一套可落地的架构范式 。 二、 主要内容模块 全书分为五个核心部分，涵盖了智能体生命周期的关键环节： * 第一部分：配置智能体 (Configure Your Agents)

探讨如何从“愿望清单”转向可运行的系统 。 *

关键范式：在白板上规划能力（Whiteboard Capabilities） 、智能体架构的演进 、动态智能体 以及人机回环（Human-in-the-Loop）设计 。 * 第二部分：上下文工程 (Engineer Agent Context)

探讨如何解决上下文溢出（Context Overflow）和模型注意力不集中的问题 。 *

关键范式：谨慎执行并行化 、子智能体间共享上下文 、上下文压缩技术 以及将错误信息反馈至上下文以实现自愈 。 * 第三部分：评估智能体响应 (Evaluate Agent Responses)

针对 AI 输出的非确定性（Nondeterministic），建立生产级评估体系 。 *

关键范式：定义失败模式（Failure Modes） 、建立测试套件 、让领域专家（SMEs）参与数据标注 以及利用“LLM-as-judge”评估生产数据 。 * 第四部分：保障智能体安全 (Secure Your Agents)

应对智能体特有的安全威胁 。 *

关键范式：预防“致命三要素” (The Lethal Trifecta：私有数据访问、不可信内容暴露、外部通信能力) 、沙盒化代码执行 以及实现细粒度的权限控制 。 * 第五部分：智能体的未来 (The Future of Agents)

展望 2025-2035 智能体十年的发展趋势，包括智能体模拟、自主学习和合成评估 。

三、 书中强调的核心观点

反对“单体巨型智能体” (Monolithic Mega-agents)：建议通过迭代发现架构，从小规模的专业化专家出发，再通过路由逻辑（Router）进行协作 。 1.

上下文不仅是空间，更是艺术：单纯扩大上下文窗口并不能解决问题，过大的上下文会导致“上下文腐烂” (Context Rot)，使模型失去识别重要信息的能力 。 1.

专家标注优于开发者标注：作者认为软件工程师通常不是特定领域的专家，在医疗、法律等垂直领域，必须由领域专家进行标注以建立“黄金答案”数据集 。