14 | A2A 协议——Agent 之间怎么通信？
Google 提出的 A2A（Agent-to-Agent Protocol）是 Agent 间通信的标准协议。这篇从 MCP 的局限性出发，讲解 A2A 的核心概念（Agent Card、Task、Message、Artifact）、协议流程、与 MCP 的互补关系，以及实际接入方式。
Agent
15 | Harness Engineering——"Agents 不难，Harness 难"
Harness Engineering 是 Agent 工程中最关键也最容易被忽视的层次——设计整个运行环境的约束、反馈循环、工具链编排和质量保障。这篇从概念到实践，讲解如何为 Agent 系统搭建’脚手架’。
16 | 实战——用 CrewAI 构建多 Agent 协作系统
用 CrewAI 框架构建一个’行业研究团队’：研究员搜集资料、分析师整理数据、写作 Agent 撰写报告。从安装到运行，完整演示多 Agent 协作系统的搭建过程，包括角色定义、任务编排、工具配置和 Harness 约束。
17 | 评估方法论——怎么知道 Agent 做得好不好？
Agent 开发不是写完 Prompt 就结束了——怎么评估 Agent 的质量才是生产化的关键。这篇讲解评估维度（任务完成率、工具调用准确率、幻觉率、成本效率）、评估方法（人工 vs 自动 vs LLM-as-Judge）、Ragas 框架的使用，以及如何建立持续评估的闭环。
18 | 安全防护——Prompt 注入、越狱与输出验证
Agent 系统面临的安全威胁比传统软件更隐蔽：Prompt 注入攻击、越狱（Jailbreak）、数据泄露、权限滥用。这篇系统讲解 5 种主要攻击方式和对应的防御策略，包括输入过滤、输出验证、PII 脱敏、权限控制和 Guardrails AI 框架。
19 | 可观测性与数据飞轮——从'能跑'到'越跑越好'
Agent 系统上线后，你需要持续追踪每一步推理和工具调用。这篇讲解可观测性的三个层次（日志/指标/追踪），LangFuse 的使用方式，以及如何从运行日志中构建数据飞轮——筛选高质量轨迹、生成训练数据、微调专用模型，实现’越用越好’的正循环。
20 | 实战——用 LangFuse + Ragas 构建 Agent 评估与监控体系
系列收官之作。用 LangFuse 实现 Agent 的全链路追踪和可观测性，用 Ragas 构建自动化评估 pipeline，把前 19 篇学到的评估、安全、可观测性知识全部落地。最后回顾整个学习路线，给出后续进阶方向。
系列二 · 00 | 开篇路线图：动手做一个企业知识助手 Agent
系列二不再讲概念，而是从零实现一个能用的企业知识助手 Agent：私有文件 RAG 问答、数据库查询、权限控制、友好降级。本文是开篇路线图，给出整体架构、技术选型和 5 个阶段的文章计划。
系列二 · 01 | 阶段一·搭地基：让 Agent 跑通第一个问答（M0）
系列二第一篇实战：从空目录搭出 M0 最小闭环——FastAPI + 单轮问答 + 身份注入骨架，并接通外网 Qwen。记录三个真实踩坑：venv 隔离、pip 中断重跑、PowerShell/GitBash 下 curl 传中文 JSON 的引号陷阱。
系列二 · 02 | 阶段二·让 Agent 读懂私有文件（M1）：RAG 全链路打通
系列二第二篇实战：把公司散落的 PDF/Word 制度文档，经 解析→切分→Embedding(text-embedding-v3)→ChromaDB→检索→封装成工具 全链路接到 /chat。Agent 会自己决定“调不调工具”。记录一个真实踩坑：OpenAIEmbeddings 默认去下载 tiktoken 编码表导致受限网络下 SSL 报错。