pi-mono 学习 07|主 Agent 与 Tools:一套可迁移的设计方法

这篇写什么

把两份偏方法论的笔记(主 Agent 设计、Tools 设计)合并成一篇:给出一套可迁移、可施工的 agent 产品设计方法,不依赖编程场景。

主 Agent:先设计任务闭环,不要先写 prompt

主 agent 不是“一个大 prompt”,而是:任务边界、角色定义、行为规则与闭环运行方式的组合。

一个可用的主 agent,首先要回答:

  • 核心目标是什么
  • 完成标准是什么
  • 默认怎么推进
  • 何时继续、何时停止
  • 遇到失败怎么处理

提示词只是这些设计的表达载体,不是起点。

主 Agent 的设计骨架(建议写清楚)

  • 目标定义
  • 输入定义(用户通常怎么提任务)
  • 输出定义(你最终返回什么形态)
  • 完成条件与停止条件
  • 默认策略(模糊时问还是猜、失败时重试还是反馈)
  • 边界与禁区

Tools:从任务闭环反推,不要从已有 API 正推

Tools 的本质是:模型可以请求执行的外部动作单元。

一个好的 tools 体系要做到:

  1. 覆盖任务闭环中的关键动作
  2. 以统一 schema 暴露给 agent
  3. 让 runtime 能稳定调用、回灌、继续推进

Tool 设计的常见原则

  • 工具表达动作,而不是泄漏内部系统结构
  • 粒度适中:既不万能也不碎
  • schema 骨架统一(名称/描述/参数),业务语义可自由
  • 参数要“模型友好”(少、清晰、必填明确)
  • 返回结果要有清晰语义(成功/失败/关键信息),避免噪音转储
  • 错误要正式建模(是否可重试、失败原因)
  • 写操作要强调幂等或可预测性,明确副作用
  • 安全边界尽量设计进工具本身,而不是只靠 prompt

两者的边界

  • tools 决定“能做什么动作”
  • 主 agent 决定“什么时候做这个动作更合适、如何把动作串成闭环”
  • runtime 决定“如何让动作与模型形成可控循环(执行、回灌、继续/停止)”

小结

如果你把 agent 当产品做,主 agent 与 tools 的设计不是写 prompt 的副产物,而是先有闭环、再有动作、再有约束,最后才编译成 prompt + schema + runtime 策略。

Read more

Mac 上 Skill CLI 无法执行的坑:最后其实一条命令就够了

我在做 Amazon skills 的过程中,逐步把本地 CLI 从 Python 脚本切到 Go 二进制。这样做的好处很明显:用户不用装 Python、不用配依赖,解压 skill 后直接运行。但在 macOS 上,我们反复遇到一个看起来很玄的问题:同一个二进制,在 Linux/Windows 上正常,在 Mac 上就是执行不了。 当时遇到的现象 常见报错大概有几类: * 双击或 agent 调用 CLI 时,系统提示文件来自未知开发者,无法打开。 * 终端里执行时提示 Permission denied。 * 已经 chmod +x 了,仍然被 macOS 拦截。 * Apple

By ladydd

当我把全世界人群的基因 PCA 跑出来后,看见了一个倒 L 型

最近我把之前学的一些分子人类学知识,终于真正落地了。 不是停留在看论文、看别人画图、看别人解释“人群结构”这些概念,而是自己把数据处理完,自己跑 PCA,自己把全世界不同人群放到一张图上。 然后那一刻,我真的被击中了。 图上出现了一个非常漂亮的倒 L 型。 一端是非洲,另一端逐渐拉向东亚,中间有中东、欧洲、南亚、欧亚大陆上的各种过渡人群。它不是那种随机散点图,而是有方向、有骨架、有历史感的结构。 我第一眼看到的时候,脑子里直接冒出一句话: 这不像是一张普通统计图,这像是人类迁徙史在二维空间里留下的影子。 当然,后来我也提醒自己,PCA 不能被过度浪漫化。它不是地图,也不是时间轴,更不是“谁从哪里走到哪里”的直接证据。PCA 本质上是把高维基因差异压缩到几个主成分上,用最大方差方向把样本摊开。它可以帮助我们观察人群结构、相似性、分化和混合,但不能单独承担全部历史解释。PCA 在群体遗传学里常用于观察 population structure

By ladydd

吞吐与延迟:一个厨房比喻讲透性能压测

写于 2026-06-26。背景: MCP 服务 跑在 3 台 ClickHouse(每台 16 核 / 64G,1 分片 3 副本)上。 我们花了一整轮做公网压测,把这套系统的极限、天花板和杠杆全摸清了。这篇把"吞吐 / 延迟 / 排队"这三个最容易混的概念讲透,配我们自己的真实实测数据。 一句话结论 我们这套系统的吞吐天花板 ≈ 76 req/s。 往里塞再多并发(100、200、300、500),每秒"做完"的还是大约 76 个,多出来的全在排队。系统不会崩,只会让每个人等得更久。 天花板能不能抬?

By ladydd

四卡 3090 本地模型部署复盘:Ollama 跑通 35B,以及 GPU0 掉卡问题

这次做的是一轮真实的本地模型部署摸底。 目标不是搭一个临时 Demo,而是把一台四卡 3090 GPU 机器接进自己的日常 AI 使用环境:本机跑 Open WebUI,负责账号、会话和前端配置;GPU 机器只负责模型推理。这样以后换模型、换推理框架、重启服务,都尽量不影响本机的使用入口。 最后结论比较清楚:qwen3.5:35b 的 GGUF Q4_K_M 量化版已经通过 Ollama 跑通,本机 Open WebUI 可以接入,热加载后的聊天速度也能用;但 GPU0 存在明显稳定性问题,重启后能短暂恢复,跑过负载后又会掉到 NVML 异常状态。 状态快照 当前能用的部分: * 本机 Open WebUI 已部署,

By ladydd
陕公网安备61011302002223号 | 陕ICP备2025083092号