bash工具和mcp、skill区别是啥（不是技术出身，是传统软件项目经理）

说一个有点地狱的见解，个人学 AI 是为了升职加薪不被裁，公司学会了用 AI 是为了降本增效以及裁更多人。

仔细想想这两者其实不矛盾，AI 现在这么猛，只要是有大量真实数据积累的行业肯定要或快或慢的拥抱 AI，到时候不会用的公司和个人可不是会被淘汰掉嘛 😂

这份书单太硬核了！Building effective agents 那篇我读过，确实是 Agent 领域的「圣经」级别的文章。把 Agent 和 Workflow 的定义统一了之后，整个行业的讨论都有了一个共同语言。你整理的那篇 bash 工具的文章我也看了，用具体例子解释为什么 Agent 模式比裸 LLM 强，这个切入点特别好。我有个问题：对于刚入门 Agent 的人，你建议按什么顺序读？是先看你的 bash 例子建立直觉，还是直接啃 Anthropic 那篇打基础？另外 Coding Agent 架构解析那篇我还没看，Sebastian 的技术科普一直质量很高，这篇主要讲的是什么架构模式？

假期为了给朋友讲解Agent、Openclaw，挑了几篇经典教材，这里分享一下。
这几篇文章不管是质量还是易读性都相当不错，非常推荐还没读的朋友们阅读原文。

1️⃣我整理的一篇小短文，通过Agent+bash命令的例子，帮助还没接触过Agent的人理解，为何Agent模式比裸LLM优越：https://www.isrosa.com/article/why-bash-tools-are-essential-for-agents
2️⃣经典中的经典，Anthropic的《Building effective agents》：https://www.anthropic.com/engineering/building-effective-agents （这篇文章我认为最大也最持久的贡献就是统一了Agent与Workflow的定义）
3️⃣Coding Agent架构解析（热乎的，我非常喜欢的一位作者，Sebastian的技术科普）：https://www.isrosa.com/article/coding-agents-architecture
4️⃣Openclaw架构解析（作者基于官方文档整理的技术解读，非常易懂）：https://www.isrosa.com/article/for-openclaw-personal-ai-agent-architecture

重度Gemini&Claude用户｜在一家初创探索AIToB｜前RPA PM&咨询｜  游戏行业胫骨｜贪心的INTP

来自圈子

AI探索站