Agent Skills 可以把领域知识、操作流程、脚本和资源封装成可复用的能力单元，让 AI Agent 在需要时动态加载。围绕自然语言查数和指标归因分析两个数据场景，讲清 Agent Skills 与 MCP、A2A 的边界、技能目录结构、SKILL.md 写法以及落地时的安全注意事项。
X 平台开源的新推荐系统把排序核心转向 Transformer 模型，通过 Thunder、Phoenix 两条候选来源生成信息流，再用多行为概率加权打分。梳理候选召回、排序、过滤、多样性和 OON 调分等关键机制。
Assistant Agent 是一个基于 Spring AI Alibaba 的企业级智能助手框架，核心思路是让智能体生成并执行代码来编排工具。它适合构建智能客服、运维诊断助手、业务助理和 AIOps 场景，并提供评估、动态 Prompt、经验学习、触发器、回复渠道和工具扩展能力。
Agent 系统的稳定性不只取决于提示词，更取决于上下文如何组织。围绕状态表达、工具调用、记忆管理、MCP 结构化协议和可靠性工程，系统讲清上下文工程在 Agent 架构中的设计方法。
面向后端开发场景，系统拆解 AI Coding 的协作方式：如何用 Markdown 管理外部上下文，如何判断 AI 生成代码是否可靠，以及如何把它用于需求分析、代码开发、数据脚本、Agent 设计和技术文档输出。
从 LLM、规划、记忆、工具四个组件讲清 Agent 的基本架构，并展开 ReAct 执行循环、生产环境稳定性问题、框架选型和企业级智能助手的分层设计。
多 Agent 系统不是简单地把任务拆成多个步骤，而是用不同角色、工具、模型和上下文处理异构任务。内容覆盖 Supervisor、Swarm、Handoff、上下文迁移、状态同步、框架选型和稳定性设计。
