通过个人项目与真实开源协作，持续实践
Agent Runtime、Tool Calling、Memory / RAG 与 Evaluation。
通过真实开源项目检验 Agent 工程理解，关注源码阅读、问题定位、最小改动、测试验证和上游协作。下面只展示已经合并 PR 的项目级统计，不将合并数量描述为项目主导经验。
| 贡献项目 | ★ | 主要语言 | 已合并 |
|---|---|---|---|
 openclaw/openclaw可以在任意操作系统和平台上执行真实任务的开源 AI 助手。 |
394.2k |  |
11 |
 bytedance/deer-flow面向深度研究、代码生成与内容创作的长程智能体框架。 |
85.2k |  |
12 |
 agentscope-ai/agentscope用于构建、运行与观测可信智能体的开发框架。 |
35.7k | |
8 |
仅统计 Stars 不低于 1,000 的项目及其中已合并的 PR。表格仅展示 openclaw/openclaw、bytedance/deer-flow 和 agentscope-ai/agentscope。数据由 .github/workflows/refresh.yml 自动更新；最后更新于 2026-11-09 09:37 UTC。
- Harness / Runtime：任务生命周期、状态持久化、调度、中断与恢复。
- Tool / MCP / Skill：能力描述、协议连接、权限边界与调用可靠性。
- Context / Memory / RAG：上下文选择、长期记忆、检索与知识更新。
- Evaluation：Trace、失败分类、回归测试，以及成本与延迟权衡。
- Multi-Agent：任务拆分、共享状态、交接协议与结果验收。
TypeScript、Python、Go、数据库与部署能力，作为这些 Agent 系统落地的工程支撑。
展开查看 AI Agent 学习资料
- AI Agent 学习首页：主题索引与阅读入口。
- AI Agent 融合手册：按统一工程主线组织原理与实践。
- AI Agent 实践路线：从最小闭环走向可运行、可评估、可恢复的系统。
- Agent 面试复习：项目拆解、失败分析与面试表达。
资料整理参考 AI Agent Book 与 zero2Agent。AI Agent Book 使用 Apache License 2.0；zero2Agent 主体使用 MIT License，面试部分使用 CC BY-NC-SA 4.0。本站保留来源与许可边界，不将整理内容表述为个人原创教材。
- 目前专注于 AI Agent 工程与产品实践。
- 通过源码阅读、个人项目和评估复盘理解 Agent 系统的真实边界。
- 通过开源协作练习问题定位、最小改动、测试验证和上游沟通。
📈 查看 GitHub 活跃度
最近 3 个月，数据来自 GitHub 贡献图。
