这是公众号系列《工业级 AI Agent 开发实战》的公开配套代码。文章正文为付费内容，本仓库只放可运行的代码。
代码和文章一一对应：一篇文章 = 一个目录（如第 13 篇 Chunking → 13_chunking/）。目录里每个文件对应文章里讲的一个知识点，打开该目录的 README 就能看到「哪个文件对应文章哪一段、怎么运行」。
- 一篇文章一个目录，目录名带篇号。先看目录里的
README对照表。 - 离线可跑，不需要 API Key、不用花钱。没配 key 时自动用内置的确定性 mock 演示逻辑；配了 key（
OPENAI_API_KEY）就走真实模型。 - 学习方式：读一段文章 → 跑对应文件 → 看输出 → 改几个参数再跑。代码是拿来「跑通 + 改着玩」的，不是拿来背的。
# 基础篇 02-10：每章一个 run_demo.py
python3 02_llm_call_essence/run_demo.py
# 进阶及之后 11-48：每章有 demo.py 总入口
python3 13_chunking/demo.py
# 也能单独跑某一个知识点文件（文件名见各章 README 对照表）
python3 13_chunking/chunking_strategies.py # 只跑「6 种切块策略」这一个点
# 一次跑完全部示例
python3 run_all_demos.py
# 全量测试
python3 -m pytest tests/test_all_demos.py需要真实模型效果时：
export OPENAI_API_KEY=sk-...再运行即可，代码会自动切换到真实调用。 框架章（LangGraph / CrewAI / ADK 等）若提示pip install xxx，装上就真跑，不装也能看降级演示、不影响学原理。
| 篇 | 目录 | 讲什么 |
|---|---|---|
| 02 | 02_llm_call_essence |
一次 LLM 调用发生了什么：手搓 HTTP、流式 SSE、温度采样、token 预算 |
| 03 | 03_prompt_essence |
四类上下文、System Prompt 优先级、Few-shot、结构化输出、CoT 取舍、Prompt 当代码管理 |
| 04 | 04_memory_essence |
LLM 为何无状态、短时记忆压缩、token 预算规划、长时检索、生产踩坑 |
| 05 | 05_rag_essence |
朴素 RAG / Hybrid Search / Reranker / RAG 评估 / 微调数据构造 |
| 06 | 06_tool_essence |
两轮 Function Calling、并行工具、极简 MCP Server、Skill 封装、幂等中间件、错误翻译 |
| 07 | 07_agent_loop |
ReAct、Plan-and-Execute + 四种防跑飞守卫（终止/同义循环/token 预算/Executor 重写） |
| 08 | 08_multi_agent |
Pipeline、Orchestrator-Worker、点对点、共享状态 vs 消息、事实校验、协调风暴检测 |
| 09 | 09_architecture |
七层架构图谱 + 故障速查表 + 框架映射表 + 真实项目拆解 |
| 10 | 10_handwritten_agent |
200 行纯 Python 零框架手搓工业级雏形 Agent（基础版 + 流式持久化 plus 版） |
学法：先跑第 10 章（前 9 章的总集成，最值得亲手敲），再回头看 02–09，你会明白框架帮你省了什么、又偷偷漏了什么。
RAG 进阶（11–15） — 把 RAG 从「能用」调到「好用」
11_rag_diagnosis（召回率为何只有 50%）· 12_query_rewrite（查询重写/HyDE/多意图）· 13_chunking（6 种切块策略）· 14_rerank_hybrid（CrossEncoder 重排 + Hybrid）· 15_graphrag（GraphRAG）
Memory 进阶（16–18）
16_memory_pipeline（长期记忆五步链路）· 17_mem0（Mem0 深拆）· 18_layered_memory（分层记忆 + 异步事实抽取）
框架三件套（19–33）
- LangGraph：
19_langgraph_intro20_react_plan_execute21_checkpoint_hitl_timetravel22_orchestrator_worker - CrewAI：
23_crewai_intro·24_crewai_vs_langgraph（同一客服系统两框架各写一遍 + 性能实测对比） - Google ADK：
25_adk_intro26_adk_workflows27_adk_tools28_adk_memory29_adk_eval_plugins - DeepAgents / Harness：
30_deepagents_intro（180 行手搓 Harness）·31_context_engineering - 横评与选型：
32_three_framework_comparison（同一采购助手三框架对比）·33_framework_decision（选型决策树 CLI，输入项目特征直接给推荐）
- Gateway：
34_llm_gateway35_gateway_implementation（自建 Gateway 骨架 FastAPI+Redis+PG、虚拟 Key） - 评测 + 可观测：
36_eval_frameworks37_eval_pipeline（Bad Case 闭环 + CI）·38_observability_tools39_otel_self_hosted - 安全：
40_prompt_injection_defense（5 层防御 + RedTeam）·41_rbac_jwt（JWT + RBAC 多租户）·42_output_defense（HITL + 宪法链 + Guardrails） - 成本 + 性能：
43_cost_optimization（Prompt 压缩）·44_cache_routing（语义缓存 + 降级路由）·45_performance_optimization（并发 + 流式 + 异步工具） - 全栈落地：
46_backend_foundation（完整 FastAPI 后端：16 表 schema + JWT + 多租户 + SSE）·47_full_stack_llmops（Vue3 + ECharts 监控大盘 + docker-compose 部署） - Harness 扩展：
48_harness_extension（OpenHands 自部署、DeepAgents Middleware、per-user 编排）
46–47 是能直接拿去改成自己产品骨架的完整前后端。
第 49–50 篇是面试番外，无新代码——建议对照重跑 02–48 篇找手感。
51_zylos/ — 不是教学代码，而是逐模块精读一套真实开源的 Agent 基础设施：tmux 封装 Claude Code / Codex + SQLite 消息总线 + 个人微信接入 + 记忆 + 自愈 + 上下文轮换。文章讲到哪行代码，都能在源码里按文件 + 行号找到；51_zylos/labs/ 是每篇的动手实验清单，51_zylos/README.md 是篇目↔源码对照。
代码怎么和文章对应？ 一篇文章一个目录（篇号命名），目录里每个文件对应一个知识点，先看该目录 README 对照表。
要 API Key 吗？要花钱吗？ 不用。全部离线可跑；想看真实模型效果再配 OPENAI_API_KEY。
报 pip install xxx？ 框架章在提示你装对应框架；装上真跑，不装看降级演示，不影响学原理。
编辑器（Pyright / VSCode）报一堆导入红线？ 静态检查的误报——代码运行时会自己把路径加进去，python3 跑是通的，不用管。
怎么学最高效？ 读一段文章 → 跑对应文件 → 看输出 → 改参数再跑。别背代码。第 10 章的 200 行手写 Agent 最值得亲手敲一遍。
NN_xxx/：各篇章节目录，含具名知识点文件 +README（对照表）+ 章节入口demo.py/run_demo.pysrc/agent_code/：02–10 基础篇的共享实现series_projects/：11–48 的连续项目版本（同一套业务随章节演进），章节demo.py委托到这里agent_examples/：离线可运行的公共基础设施（RAG / Memory / 框架桥接等）51_zylos/：第五部分的开源系统源码快照 + 实验清单tests/：全量运行与断言测试
祝学习顺利。跑通每一章，你就走完了从「玩具级」到「工业级」的完整路径。