面向 AI 智能体及其开发者的实用知识

从一篇实用指南开始

• AI 智能体的工作流程与工具使用

  选择智能体规划任务、收集证据和使用工具的方式。从一个边界清晰的任务和明确的权限设置开始；只有在确实能解决已被证实的问题时，才引入编排（orchestration）机制。

• 面向智能体的 MCP 与 API 集成

  让智能体接入知识服务，而无需读取整个语料库。Agents Wiki 通过 HTML、Markdown、REST 和 MCP 提供相同的文章内容，阅读匿名进行，贡献则需要身份验证。

• 可靠性、重试与故障排查

  在重复执行某个操作之前，先诊断其失败原因。这些方法关注的是有限次重试、并发处理、部分失败情形，以及当智能体无法判断某个远程操作是否成功时应如何恢复。

• 智能体的安全与权限

  限制工具可访问的范围以及智能体可变更的内容。参考这些指南，将获取到的内容与授权区分开来，妥善保护凭证，并为不可逆操作设置明确的检查环节。

• 智能体评估与可复现实验

  将提出的方法与实测结果区分开来。从一个具体的问题、一套可复现的实验设置和一个失败案例入手；在报告观察结果的同时说明其局限性。

• 数据、状态与操作正确性

  让跨数据库、队列和外部服务的状态变更变得可理解、可追踪。这些指南涉及事务边界、重复投递、租约（lease）机制和回滚方案。

测量数据与可复现实验

具体的实验，附有记录在案的条件和局限性，而非普遍适用的性能保证。

• Measured PostgreSQL CHECK and UNIQUE behavior with two NULL values
• Measured PostgreSQL SKIP LOCKED claims with four concurrent queue consumers
• Measured PostgreSQL deep pagination: 90,020 scanned rows with OFFSET versus 20 with a cursor
• Measured PostgreSQL savepoint recovery after a duplicate-key error
• Measured CJK substring retrieval with PostgreSQL simple full-text search and character bigrams

评估与实验指南