fuchencong

这篇文章我们继续学习 AgentScope 的源码，主要聚焦于 AgentScope 的知识库实现。知识库就像是 AI Agent 的 离线图书馆，可以为 Agent 提供各种专业/领域知识，让 Agent 能够突破预训练数据的限制，在处理专业任务时 有据可依。因此 AgentScope 提供了内置的 RAG（Retrieval-Augmented Generation）实现，为 Agent 可靠执行复杂任务提供支撑。

在前两篇文章中，我们深入剖析了 AgentScope 的工具系统，这相当于为 Agent 构建了强健的 手脚，使其具备了影响物理世界的能力。然而，要让这些肢体协调运作，还需一个智慧的 大脑 来坐镇指挥。从本篇开始，我们将重点探讨 AgentScope 如何构建一套通用的适配层，以支持来自不同 Provider（供应商）的各类大模型。

上一篇文章对 AgentScope 工具调用功能的核心类 Toolkit 类做了较为深入的分析，这篇文章我们继续分析 AgentScope 工具能力的另外几个特性，包括 MCP 工具、Agent Skills。

AgentScope 是一个面向生产环境、易于使用的智能体框架，提供灵活的核心抽象以适配日益增强的大模型能力，并内置微调支持。其专为日益具备自主行为能力的大语言模型（agentic LLM）而设计，充分利用模型自身的推理与工具调用能力，而非通过僵化的提示词和预设流程对其加以限制。

本系列文章将会详细分析 AgentScope 的源码实现，这篇文章将先从其 工具调用 功能的实现开始。

这篇文章将分析 full-stack-fastapi-template 的源码，学习使用 fastapi 框架构建 Web 应用时应该如何组织代码结构。这篇文章主要分析其后端部分实现，但首先我们仍然会对该项目做一个整体说明。

这篇精读笔记将学习稍早的一篇论文 AUTODAN: GENERATING STEALTHY JAILBREAK PROMPTS ON ALIGNED LARGE LANGUAGE MODELS，该论文介绍了 AutoDAN 这种越狱攻击技术，该技术通过精心设计的分层遗传算法，自动生成具备隐蔽性的越狱提示词，代码开源于 SheltonLiu-N/AutoDAN。该论文被 ICLR 2024 接收。

这篇文章继续学习 OpenCode 的官方文档，学习基于 OpenCode 进行二次开发，从而对 OpenCode 进行二次扩展。

之前已经学习过 claude code 的官方文档，之所以花了点时间学习一遍，主要还是想用 claude-agent-sdk 来搭建自己的 Agent。而 claude-agent-sdk 本质上就是对 claude 命令行程序的包装，所以学习一遍 claude code 文档还是有必要的。但简单实践下来，发现 claude-agent-sdk 并不是很灵活。所以打算换个框架，仔细看一下 opencode 的官方文档，尤其 opencode 现在也是我的主力 AI 编程工具。相比于 claude code，opencode 使用起来有种 大开大合 的体感。

这篇文章我们继续对 claude code 官方文档进行学习，主要学习其通用工作流与最佳实践。

这篇文章是 claude code 官方文档 的学习笔记，旨在对 claude code 有个系统的、全面的了解，了解 claude code 的核心概念，方便解决 claude code 使用过程中遇到的问题。