扩展阅读：学完一章，接下来读什么？

这里不收集所有 Agent 资源，只挑能接着本教程往下学的资料。必读看核心原理，推荐配合对应章节阅读，深入留给准备做更完整系统时参考。

核心必读

资料	推荐程度	适合看什么	对应章节
OpenAI Function Calling	必读	看完整工具往返：定义工具 → 模型提出调用 → 应用执行 → 回传工具结果 → 模型继续生成。	00 · Chat Completion、01 · Agent Loop、02 · Tool Use
OpenAI Conversation State	必读	理解多轮消息历史、conversation state 和 context window 的关系，以及对话状态如何延续。	00 · Chat Completion、08 · Context Compact、09 · Memory
OpenAI Compaction	推荐	了解 API 提供的对话压缩方式，并和本项目自己筛选、摘要旧消息的 Context Compact 对照。	08 · Context Compact
OpenAI Agents SDK · Agent Orchestration · Sessions · Guardrails	推荐	对照成熟 runtime 如何管理 loop、tools、handoffs、sessions 和 guardrails；其中 Agents as Tools 把子 Agent 当工具调用，Handoffs 则把控制权交给另一个 Agent。	01 · Agent Loop、06 · Subagents、13 · Agent Teams、15 · Agent Harness
Anthropic：Building Effective Agents	必读	读懂固定代码路径的 workflow 和由模型决定下一步的 agent 有什么区别；从简单方案开始，确认有必要再增加复杂度。文中的工具生态较旧，重点看架构原则。	01 · Agent Loop、05 · Planning、06 · Subagents、15 · Agent Harness、16 · Workflow Runtime
Anthropic：Effective Context Engineering for AI Agents	推荐	用“每一步该把什么信息交给模型”串起本教程的 Skills、Subagents、Compact 和 Memory；原文重点讲上下文预算、压缩、笔记和子 Agent。	06 · Subagents、07 · Skills、08 · Context Compact、09 · Memory

可观测性：先理解 Trace，再看 Phoenix

按这个顺序读：OpenTelemetry Trace / Span 基础 → OpenInference → Phoenix。Trace（一次完整请求的执行路径）和 Span（其中的一步操作）是通用 tracing 概念，不是 Phoenix 私有概念。完成前两项后，再用 Phoenix 查看本教程里的 Agent 运行记录。

资料	推荐程度	适合看什么	对应章节
OpenTelemetry：Traces	必读	先理解 Trace 如何由有关联的 Span 组成，以及怎样表示一次请求经过的多个操作。	实战篇 06 · Agent 可观测性
OpenInference 规范	推荐	在通用 Span 上补充模型调用、工具、检索等 AI 应用字段；规范基于 OpenTelemetry，也能配合其他兼容后端使用。	实战篇 06 · Agent 可观测性
Phoenix 文档 · Tracing 原理	推荐	把 Trace 和 Span 展示出来，沿调用顺序检查模型请求、工具结果和耗时。	实战篇 06 · Agent 可观测性

Evaluation：从一次 Trace 到回归评估

推荐按这个过程迭代：先看 Trace 找到失败步骤，再把失败案例整理成 Dataset，编写 Evaluator / Grader，最后对每次改动重复跑评估，检查是否引入回归。

资料	推荐程度	适合看什么	对应章节
OpenAI：Evaluate Agent Workflows	必读	从 Trace 调试开始，再用 grader 给运行结果打分，并把案例转成可重复执行的 Dataset 和 eval run。	实战篇 06 · Agent 可观测性、实战篇 08 · Agent 效果评估、17 · Goal Loop
Anthropic：Demystifying Evals for AI Agents	推荐	学习如何定义任务、记录 Trace、组合多个 Grader，并同时检查最终结果和执行过程。	实战篇 08 · Agent 效果评估、17 · Goal Loop

检索与 RAG：记忆不是全部

本项目的 Memory 章节讲跨任务信息怎样保存和召回，当前没有实现完整的知识库检索链路。面试准备还可以补上文档更新、切块、关键词与向量召回、重排、引用和检索评估；不要把“用了向量库”当作答案。

资料	适合看什么	对应主题
Anthropic：Contextual Retrieval	对照关键词（BM25）与向量检索如何互补，以及重排带来的质量、延迟和成本取舍。文章里的效果数字来自其特定实验，不应直接当作所有数据集的保证。	扩展阅读；当前没有配套的 RAG 实战

Workflow Runtime：深入阅读 Temporal

资料	推荐程度	适合看什么	对应章节
Temporal 官方文档 · 理解 Temporal	深入	了解 Durable Execution 如何保存工作流历史，在进程或机器故障后恢复状态并从记录处继续。本项目第 16 章用本地 Journal、run_id 和 resume 教学演示这个方向；Temporal 是面向长时间运行任务的工业级方案，初学阶段不需要引入。	16 · Workflow Runtime

其他项目与规范

教程与成熟 Harness

资料	推荐程度	适合看什么	对应章节
learn-claude-code	推荐	对照另一套从 Agent Loop 到 Harness 机制的教程。当前主线是根目录 s01～s17；docs/ 和 agents/ 里保留旧版，章节编号不要混用。	01 · Agent Loop、09 · Memory、15 · Agent Harness
Pi · 官方文档 · 安全说明	深入	看 TypeScript / Node.js Harness 如何扩展 Extension、Session 和 Skills。Pi 默认不会在每次工具调用前请求确认；项目资源的信任确认也不限制工具访问路径，本项目额外实现的工作区限制和授权确认属于自己的 Harness 设计。	15 · Agent Harness、实战篇 09 · Skill Loading

Agent 安全

资料	适合看什么	对应章节
Anthropic：How we contain Claude · Claude Code Sandboxing	从模型行为、外部内容和执行环境三个层面理解纵深防御；授权提示不能替代文件系统或网络隔离。	03 · Permission、实战篇 01 · Coding Agent
MCP：Tool Annotations as Risk Vocabulary	工具注解是提示，不是权限合同；不可信 Server 的 readOnlyHint 不能成为跳过本地策略检查的理由。	14 · MCP、实战篇 04 · MCP
MCP Skills：安全考虑	远程 Skill 内容是不可信输入，来源标识和代码执行审批仍由 Host 负责。	07 · Skills、实战篇 09 · Skill Loading

工具协议与 Skills

资料	推荐程度	适合看什么	对应章节
Model Context Protocol 规范	推荐	查 MCP Client、Server、Tools、Resources 和协议消息的定义。	14 · MCP、实战篇 04 · MCP 工具接入
Agent Skills 规范	推荐	查看 SKILL.md 格式，以及怎样把指令和配套脚本、参考资料打包成可按需加载的 Skill。	07 · Skills、实战篇 09 · Skill Loading
DeepSeek Tool Calls	推荐	对照本项目使用的 OpenAI 兼容接口，了解如何声明工具、接收 tool call 并回传执行结果。	02 · Tool Use、实战篇 01 · Coding Agent 搭建

Memory 系统

记忆项目很多，先沿着“保存什么、存在哪里、何时取回、怎样更新”比较即可。短期／长期通常按作用范围区分；事实、经历、操作规则则是按记忆内容区分，具体命名会因框架而异。

资料	推荐程度	适合看什么	对应章节
Mem0 · 文档	推荐	看怎样从对话提取可复用信息，并为已有 Agent 提供记忆搜索。	09 · Memory、实战篇 02 · 长期记忆
Graphiti / Zep · 文档	深入	看怎样把带来源和有效时间的实体关系组织成图，适合研究事实随时间变化的场景。	09 · Memory
Letta Code · 文档	深入	看持久化 Agent 如何通过可版本管理的文件维护常驻上下文和按需材料。	09 · Memory、15 · Agent Harness
LangGraph Memory · LangMem	深入	LangGraph 适合理解 thread 内短期状态和跨 thread 长期存储；LangMem 展示怎样提取、更新和整理这些记忆。	09 · Memory

更多 Memory 项目与评测

资料	推荐程度	适合看什么	对应章节
Cognee · 文档	深入	看怎样把文档、代码和对话整理成可查询的知识图谱。	09 · Memory
Hindsight · 文档	深入	看事实、经历和观察结论如何分别保存、检索并归纳。	09 · Memory
MemOS	深入	看更大规模的记忆类型、存储和生命周期管理思路。	09 · Memory
OpenAI Agents SDK Sessions · Agent Memory	深入	对照持久化对话历史与跨运行复用的 Agent Memory；后者目前是 Beta 能力。	00 · Chat Completion、09 · Memory
LongMemEval	深入	看长对话和多会话记忆如何评测信息召回、知识更新与时间推理。	09 · Memory
VibeMemBench（2026 预印本）	深入	用真实代码仓库任务检查记忆能否帮助 Coding Agent 修复代码。	09 · Memory、实战篇 08 · Agent 效果评估
DolphinBench（2026 预印本） · 项目页	深入	以任务完成为中心比较记忆效果，并同时报告成本和延迟；由 Mem0 团队发布，阅读时请一并看评测设置。	09 · Memory

推荐阅读路线

模型请求 → Tool Calling → Agent Loop → Agent Harness → Context Engineering → Observability → Evaluation → Production / Durable Runtime

依次对应：00 · Chat Completion → OpenAI Function Calling → 01 · Agent Loop → 15 · Agent Harness → Context Engineering → OpenTelemetry → OpenInference → Phoenix → OpenAI Evaluation → Temporal / 16 · Workflow Runtime。