AI Agent 学习容易卡在框架太多、概念太散、案例太杂。这里按底层原理、实战案例、课程体系、企业级开发和多框架对比六个方向，梳理 6 个适合系统学习智能体开发的 GitHub 开源项目。
解释大语言模型如何把提示词、历史对话和用户问题转成 token 与向量，经过 Transformer、自注意力和位置编码完成上下文建模，再通过概率采样逐 token 生成回答，并给出上下文控制、多 Agent 拆分等工程实践建议。
MCP 是连接大语言模型与外部工具、数据源的开放协议。围绕 MCP 的设计理念、Client/Server 架构、JSON-RPC 通信机制、Stdio/SSE/Streamable HTTP 传输方式，以及数据库智能查询场景中的 Server 设计、安全控制和工程化实现展开讲解。
Claude 的 Agent 能力可以按连接层、认知层和组织层理解：MCP 负责连接外部系统，PTC 用程序批量编排工具调用，Skills 按需注入专业知识，Subagents 把复杂任务拆给多个专门智能体处理。
MCP（模型上下文协议）用于统一 Agent 与外部工具之间的通信。围绕 MCP 的三类角色、SSE 与 JSON-RPC 2.0、初始化握手、工具列表和工具调用流程，使用 Spring Boot WebFlux 实现一个可运行的 MCP Server。
Nano Banana Pro 不只能用来单次生成图片，也可以接入内容生产、社交媒体制图和自拍场景迁移等工作流。这里拆解 3 个相关开源项目：提示词案例库 Awesome Nano Banana Pro、小红书图文生成工具 RedInk，以及自拍传送门应用 SelfieAt。
小红书账号想要变现，不能只盯粉丝数和爆款数据，更要看定位、信任、产品和成交路径是否闭环。这里用 Gemini 搭建一套商业变现诊断 Prompt，让 AI 按固定框架分析账号现状、变现方式、平台风险和下一步动作。
