先看源码理论篇
先看懂 Agent 主链路
先建立统一概念框架，再逐步进入工具、会话和实践闭环。
适合想先把 Agent 主链路、工具系统和会话循环串起来，再带着结构感进入项目。
适合：已经会调模型，但还没把 Agent 工程结构看清楚的开发者
从零构建 AI Coding Agent
选起步路线，边学边做，建立 Agent 工程直觉
Start Here
你不需要先读完整目录。先选最符合当前状态的入口，站内路线会继续把你带到实践篇和中级专题。
先建立统一概念框架，再逐步进入工具、会话和实践闭环。
适合想先把 Agent 主链路、工具系统和会话循环串起来，再带着结构感进入项目。
30 秒内找到能直接开练的入口，边做边补理论。
适合已经会调模型、想先抄一个最小可运行 Agent，再回头补理论的人。
聚焦那些决定 Agent 是否可维护、可协作、可扩展的核心章节。
适合已经做过简单 Demo，想快速补齐 Planning、上下文工程和系统边界意识。
Runtime lifecycle
后续 15 篇其实都在拆这条链路的不同片段。先把总图记住，再进入各章细节。
用户提出任务，系统先把输入整理成可消费的消息。
入口通常从 CLI、TUI 或 HTTP 请求开始，先决定本轮任务到底要解决什么。
会话装配 Agent、权限、系统提示词和当前上下文。
这里决定角色、模式、消息历史和是否需要继续恢复已有状态。
模型拿到可用工具后，进入工具调用与结果回写循环。
工具不是附属物，而是运行时主链路里最容易扩张成本和风险的边界。
Provider 抽象把具体模型接进统一的流式执行接口。
这里处理模型解析、认证、参数绑定和多提供商差异。
真正改变系统状态的地方发生在文件、终端和代码智能能力上。
这是工程边界，不是文案边界；一旦进入这里，就需要权限和恢复机制兜底。
结果被写回消息流，再反馈到 CLI、TUI、Web 或桌面界面。
这一步决定用户看到的是最终答案、流式事件，还是下一轮可恢复的状态。
继续探索