教程中心
从零基础配置到多智能体复杂工作流，手把手掌握主流 Agent 的工程落地实践
学习路径
新手起步
装好第一个 AI 助手，从「装不上」到「用起来」
进阶提效
把 Agent 接进日常工作流，而不是当玩具
企业落地
从部门试点走到生产可用，一步都不省
用 Railway MCP 让编码智能体自己部署应用与查日志
Railway 官方 MCP Server 让编码助手直接触发部署、读日志。本教程接好 OAuth、验证工具列表，写最小闭环并收紧权限边界。
用 Codex Cloud 在云端跑长时编码任务：可复用环境 + 休眠续跑 + CLI 提交
OpenAI DevDay 2026 给 Codex 加了可复用云端环境：准备一次依赖，发布后每个任务从已装好的文件系统启动，电脑关机也能续跑。
用 Claude Code 原生子智能体把大任务派给专家：.claude/agents/ + Task 工具并行派发
Claude Code 的 Task 工具能拉起独立上下文的子智能体，配合 .claude/agents/ 专家定义与 CLAUDE.md 自动派发，把专家活儿并行分派出去。
用可证伪规则库让 Agent 自己修正环境认知（EvoBelief 思路实操）
2026-10 论文提出：冻结大模型，让 Agent 维护一套可证伪规则，受控验证后晋升为活跃世界模型，置信度跌破阈值即退役。本教程落成可运行代码。
用编码智能体自动修 Issue 并提 PR：从工单到合并请求的流水线
把"读 Issue → 定位代码 → 修复 → 跑测试 → 开 PR"交给编码智能体。本教程用 gh CLI 加 Claude Code/Codex 串成一条可复用的流水线，覆盖分支卫生、自动测试门槛与人工复核红线，适合团队把重复性的小修小补自动化。
用 Confluent MCP Server 把 Kafka/数据流接进你的编码智能体
Confluent 官方开源了 MCP Server，让你的 Claude Code、Cursor 等编码助手能直接发现 topic、查 schema、诊断 connector、读消息。本教程带你在本地起服务、接进 Claude Code、跑通"让 Agent 查 Kafka"的完整闭环，并标注账号与只读边界。
用 DSPy 把提示词和 RAG 当参数自动优化：从手调到编译器
DSPy 把"提示词 + 工具 + RAG"当作可优化参数，用编译器在真实样本上自动搜索最优配置。本教程带你从装包、定义 Signature、写 Module，到用 BootstrapFewShot 与 MIPROv2 在验证集上自动优化，并接入你自己的 RAG 管线，每一步都可复制运行。
用 Hugging Face speech-to-speech 搭本地零成本语音智能体
Hugging Face 开源的 speech-to-speech 把 VAD→STT→LLM→TTS 串成一条可本地运行的语音智能体流水线，对外暴露 OpenAI Realtime 兼容的 WebSocket，每个环节都能换模型。本教程带你一行命令起一个完全离线、零按量费的语音 Agent，并接上自己的大模型。
用 Auten MCP 让智能体直接操作电脑/手机界面
Auten 是一个 Computer-Use 型 MCP Server（2026-10-07 发布），给 Claude Code、Codex、Cursor 等装上「手和眼」：它读无障碍树而非坐标，让智能体在 Mac、Windows、Linux 桌面与 Android 手机上点按、输入、读屏，甚至把一次任务录成可重放技能。本教程手把手接入并讲清安全红线。
用 Azure MCP Server 3.0 把智能体接进你的云资源
Azure MCP Server 3.0 稳定版（2026-10-12 发布，历经 50 个 beta 迭代）让 Claude Code、Copilot、Cursor 等任意 MCP 客户端用自然语言管理你的 Azure 资源。本教程带你一行命令接入，用对话完成备份巡检、韧性评估、SRE 调查与 Terraform 改造建议，并补齐最小权限与只读护栏。
用 WebMCP 给网站开一个 Agent 可调用接口：声明式 + 命令式两种落地
Chrome 149 起 WebMCP（navigator.modelContext）让网页把「能做的动作」声明成结构化工具，浏览器里的 AI Agent 就能直接调用，不再靠 DOM 猜测。本教程用声明式 HTML 属性与命令式 registerTool() 两种方式，带你把网站变成 Agent 可操作。
把 MCP Server 送上生产前：6 道安全闸实操（限权/分页/幂等/脱敏）
MCP Server 的调用方是模型，会循环、会被注入、会把整张表塞进上下文。本教程用 FastMCP 逐条落地 6 道生产级安全闸：作用域限权、输出截断与分页、幂等键、dry-run 预演、不可信内容标注、写入限流与审计日志。
用 AWS Multi-Agent Orchestrator 做多智能体路由编排：分类器自动派单实操
AWS 开源的 Multi-Agent Orchestrator 用「分类器 + 多个专职 Agent」把每条请求派给最合适的专家。本教程用 Anthropic 后端（只需一个 API Key，不依赖 AWS Bedrock）带你装环境、定义两个专职 Agent、发起路由对话并验证多轮上下文。
用 AgentOps 给多智能体做会话回放与成本审计：生产环境可观测实操
AgentOps 多智能体可观测实操：一行 init 接入，自动记录每个子智能体的 LLM 调用、工具调用与报错，支持逐帧会话回放、按 Agent 拆分成本与失败定位，并给出自托管与告警方案。
用 OpenAI Decisions API 给 Agent 做路由与审核：predicate/choice/score 三类问题实操
OpenAI Decisions API 实操：用 POST /v1/decisions 的 predicate/choice/score 三类问题给 Agent 做路由与审核，附 Python SDK 调用与白名单、阈值、人审兜底护栏示例。
用 Helicone 给 AI Agent 套一层成本与延迟可观测：零代码侵入的轻量代理实操
Helicone 开源 LLM 可观测代理实操：把 OpenAI/Anthropic 请求改走网关，零代码侵入即可看每次调用的 Token、花费、延迟与错误率，并按功能、用户与模型切片排查成本。
AutoGen 进入维护模式之后：分阶段迁移到 Microsoft Agent Framework 的实操路线
autogen 仓库挂出维护横幅后的官方迁移路线：盘点存量、双包并存、单智能体外壳替换、群聊对话模型改图工作流、检查点与遥测还债、分批次带回滚预案。
用 Bedrock AgentCore CLI 把 Agent 部署成全托管服务：configure/launch/invoke 与可观测实操
按 AWS 官方 quickstart 用 agentcore CLI 把 Strands 智能体推上全托管运行时：本地 8080 验证、configure 自动建 IAM/ECR、launch 云构建、invoke 与会话隔离、CloudWatch 轨迹与清理。
让 Claude 托管智能体自己写工作流：dynamic workflows 公测实操——开启配置、事件流跟踪与限额治理
10-9 公测的动态工作流实操：multiagent_20261001 开启、系统提示词定义触发、workflow_run.* 事件流跟踪，1000 子智能体与预算限额逐条治理。
用 TEN Framework 搭实时语音智能体：扩展图、TMAN Designer 可视化调参与打断实操
开源实时多模态语音框架 TEN 实操：docker compose 跑通 Agora RTC 到 Deepgram、OpenAI、ElevenLabs 的链式语音助手，TMAN Designer 画布换模型调提示词，VAD 与 Turn Detection 实现可打断。