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 RocketRide 在 IDE 里搭 AI 流水线：.pipe 即代码、Agent 节点编排与 CLI 校验实操
把 LLM、向量库、OCR 与工具串成一条能进代码评审的流水线，难的不是连线，而是它能不能被验证、被 diff、被复用。RocketRide 是一个 MIT 的开源 AI 流水线引擎：可视化画布在 VS Code 里，产物是可读可比对可评审的 JSON，配一套命令行做校验与语义 diff，还能把流水线直接暴露成 MCP 工具。本教程六步落地。
用 Agentic Resource Registry 自建团队级 Agent 资源注册表：Docker 起栈、CLI 接入与跨工具委托实操
团队里每个人都在写自己的技能、MCP 配置与 Agent 文件，散落在各自仓库里没人找得到，于是重复造轮子。Agentic Resource Registry 是一个 Apache-2.0 的自托管注册表：集中发现与治理这些资源、按宿主自动生成配置，还能把任务委托给别的已批准 Agent，并把改动以补丁形式交回你手里。本教程六步落地。
用 mcp-use v2 把 MCP 服务器和交互界面一次写完：工具契约、Views 与 Inspector 实操
官方 MCP SDK 只负责协议，界面、类型、调试器都要自己拼。mcp-use v2 在官方 TypeScript SDK v2 之上补上了类型化输入输出、可绑定 React 视图的 Views、内置 Inspector 与截图命令行：一条脚手架命令起项目，改 Zod 契约就能让文本输出、结构化结果与界面 props 同步生效。本教程六步落地。
用 Cindy 把 Claude Code、Codex、Pi 收进一个客户端：引擎热切换、Lead-Worker 协同与跨端审批实操
同时用几个编码 Agent 的真实痛点是「换一个就换一个现场」：上下文、记忆、技能全留在上一个工具里。Cindy 把 Claude Code、Codex、Pi 当成可互换的引擎收进同一个客户端，任务做到一半也能换，工作区、记忆与技能保持连续；再往上一层是 Lead 拆活、Worker 并行、Reviewer 审改的协同。本教程六步落地。
用 Impeccable 给编码 Agent 装一套设计词汇与 61 条检测器：产品上下文、命令流与 CI 化审查实操
Agent 写前端最难改的不是 bug，是那股一眼能看出的 AI 味：紫蓝渐变、卡片套卡片、灰字压在色块上。Impeccable 把这些问题固化成 61 条确定性规则和一个装进编码 Agent 的技能：先记下产品上下文，再用 24 个命令驱动设计与审查，检测器还能脱离模型在 CI 里跑。本教程六步落地。
用 JetBrains ThinkRail 让每个 Agent 任务各占一个工作区：worktree 隔离、规格图与并行会话实操
并行跑几个编码 Agent 最容易出事的不是 Agent 本身，而是它们同时改你正在用的那份检出。ThinkRail 是 JetBrains 开源的智能体 IDE：每个任务切出一个 git worktree 工作区，配一份会随代码一起生长的 SPEC.md 规格图，改完再看 diff 决定合并还是丢弃。本教程六步落地。
用 Arketum 给 Agent 的每一步装上人类闸门：单工具 MCP、PRD 审批与带版本需求的收口实操
让 Agent 写代码的难点不在生成，而在它做出来的东西和你要求的是不是一回事。Arketum 是一个只暴露 build 一个工具的 MCP 服务：不跑代码、不调模型，只做检查与记录，把人类决策和带版本的需求绑在一起。本教程六步落地。
用 BugTape 把线上报错变成 Agent 能读的证据：免注册演示服、OAuth 接入与浏览器 SDK 埋点实操
Agent 修 bug 缺的不是推理能力，而是现场：那次请求传了什么、控制台出现过什么、堆栈断在哪一层。BugTape 把一次失败的步骤、失败请求、控制台与堆栈归成一条 issue，再通过远程 MCP 交给编码 Agent。本教程六步跑通。
用 Hycli 把任意网站反向工程成 Agent 能调用的 CLI 与 MCP 工具：三路探测、本地凭据柜与写入闸门实操
让 Agent 操作真实网站难的从来不是模型看不懂页面，而是登录态、站点结构与写入风险缠在一起。Hycli 用三个 AI worker 探测站点文档、前端产物与真实网络流量，生成带类型的 CLI 与 MCP 工具，凭据留在本机钥匙串。本教程六步落地。
用 CleanCode 把每个需求变成一张可运行的开发画布：分支工作区、依赖连线与 Agent 协作实操
多需求并行时最耗时的不是写代码，而是不断重建上下文。CleanCode 是一个画布式 ADE：内置 33 种编码 Agent，用 Git worktree 开独立工作区，画布连线即真实依赖顺序，还能让 Agent 反过来搭画布。本教程六步落地。
用 PolicyVisor 把 Agent 的改动先关进暂存区：安全预设、逐条审阅与选择性落盘实操
git diff 只能告诉你 Agent 改了什么，不能在你点头之前把改动按住。PolicyVisor 把 Agent CLI 当成一个 Job 来跑，写入先进写时复制的暂存区，审完再决定哪些路径落盘。本教程六步走完这条链路。
用 Flightdeck 给 Agent 机队装上仪表盘与急停开关：传感器接入、令牌预算与 MCP 策略实操
Agent 上了生产之后，总有三个问题绕不开：它在干什么、烧了多少钱、怎么立刻停。网关会多出一个故障点，日志只能事后翻。Flightdeck 用传感器加控制面的方式回答这三个问题。本教程六步落地。
用 PaperPilot 给 Agent 装一套纯本地 PDF 工具箱：MCP、命令行与本机 REST 三条路
让 Agent 处理合同与发票，常见做法是传到云端转换服务或装一堆重依赖。PaperPilot 是纯 Rust 的 PDF 工具箱，同一套内核提供 MCP、命令行、浏览器 WASM、桌面应用与本机 REST 五种形态，文件不出机器。本教程六步落地。
用 Aroha Protocol 给每一次委托签一张只能收窄的授权状：签发、衰减与离线验链实操
Agent 把活交给下一个 Agent 再交给第三方工具之后，没人能证明它被允许做什么。Aroha 用签名授权状解决：人签额度与有效期，往下派活只能收窄，任何一环都能离线验链回到人这个根。本教程六步接入。
用 vLLM 的 --tool-strict-level 把自托管模型的工具调用成功率从 92% 拉到 100%：约束解码实操
自托管开源模型给 Agent 用，最常见的隐性故障是工具调用不合 schema：错误回灌、反复重试、上下文被污染。vLLM 0.31 加入了服务端严格等级开关，用 XGrammar 结构标签在采样时屏蔽非法 token。本教程六步落地。
用 Optio 自建 Agent 工作流平台：事件触发、三类工作体与用量账本实操
编码 Agent 跑出补丁不难，难的是补丁之后：CI 红了谁叫醒它、评审意见谁接住、全绿了谁来合并。Optio 是自托管控制面，把票追到合并，并用用量账本与三层月度预算管住花销。本教程六步落地。
用 Vercel eve 把 Agent 写成一个目录：工具、技能、渠道、定时与审批四档实操
Agent 框架常见的结局是一份只有作者看得懂的配置。eve 主张一个 Agent 就是一个目录：指令写 Markdown、工具写 TypeScript、能力按文件名自动发现，加渠道与定时任务各加一个文件。本教程六步跑通。
用 OMA 在自己机器上跑多智能体团队：runTeam 编排、审批门禁与 verifyRun 离线核验实操
接多智能体编排常常要顺手接受托管控制面与厂商遥测。OMA 是一个 MIT 协议的 TypeScript 自托管运行时：三种执行模式、危险调用可挂起等人批准并能从检查点恢复，事后还能用 verifyRun 逐字节核对上下文来源。本教程六步落地。
用 Whyline 把决策写进仓库并跑通门控交付：explain 溯源、handoff 交接与 Relay 流水线实操
编码 Agent 改完就说做完了，下一个人还得重猜为什么。Whyline 一边把选择与否决记进 Git 供 explain 溯源，一边用 Relay 把请求推到受审提交，发布留给人类。本教程六步落地。
用 wasi-python 给 Agent 生成的代码一个自带科学栈的沙箱：Grant 授权、四道限流闸与结果判读实操
Agent 写的代码直接跑在你进程里等于交出一切。wasi-python 把 CPython 3.15 与四十多个科学计算包编成一个 WebAssembly 二进制，默认看不见宿主文件、连不上网、起不了进程。本教程六步落地。