一、Agent 开发核心概念梳理MCP模型上下文协议一种让 Agent 「触达外部世界」的通信标准。作用连接外部环境扩展 Agent 的操作能力相当于一种“万能接口”特点让 Agent 能理解本身无法直接解析的文件或内容如二进制、专有格式注意所有已接入的 MCP 在每次对话中都会被加载会持续占用短期上下文窗口建议按需接入不要贪多Skill技能一组结构化的文本指令用于「优化 Agent 的操作行为」。作用通过操作规范和调用说明让 Agent 更擅长完成特定任务特点它不会让 Agent 学会新东西而是让它“做得更规范”优势基于需求动态调用不会每次都加载对上下文友好Harness工程化外壳前文中CLAUDE.md的工程化进阶版本。核心能力规范 Agent 的输入 / 输出提高缓存命中率优化 Token 成本强化安全边界与权限控制维护跨会话的历史状态主动评估 Agent 产出内容自动运行测试流水线价值显著提升对 AI 的可控性降低生产环境风险二、信息获取渠道盘点社区特点V2EX门槛较高帖子质量整体偏高适合深度学习技术话题Linux.do门槛中等用户群体偏年轻话题覆盖面更广NodeSeek聚焦服务器、后端、数据库等领域门槛低导致内容质量参差不齐实用资源推荐Skill 搜索与获取Agent Skills MarketplaceHarness 系统学习learn-harness-engineering 教程三、AI 辅助编程一些阶段性感悟工具不在多在于按需组合。一味堆叠只会适得其反。试着跳出 VS Code尝试图形化界面或独立应用别给自己设限。会用 AI 的前提是知道自己需要 AI 做什么而不是只看它能做什么。需求驱动而非工具驱动。保持开放心态从论坛、视频、教程、博客等多维渠道吸收知识不要困在一个点上死磕。四、今日实践记录简单体验了DeepSeek Harness的基本使用Harness 教程进度完成前 4 章学习成功接入 3 个 Skill待实际场景测试验证与 Saki 交流了 AI 学习路径与心得