前沿技术，亲手跑懂 并形成自己的知识网络

学习地图

从“模型能调用工具”一路走到“多个优化循环如何不互相欺骗”，并把 MCP、ACP、CLI、A2A、Agent Card、Skill 放进同一张控制半径图。

编辑器 / IM 宿主
  └─ ACP：spawn 本地 CLI Agent，stdio 会话（完整编码任务）

外层 Agent
  ├─ MCP：短请求、确定性工具、knowledge_chat
  ├─ ACP：需要把本地编码 Agent 请来工位时
  └─ A2A：长任务、异步协作、独立 Agent 委托

知识库 Agent
  └─ MCP：内部检索、HSCode、合规等业务工具

注意：不要把整个 CLI Agent 包成一次 MCP tools/call
A2A contextId → opaque knowledge_thread_id

Demo 复现的是技术机制本身。每个实验都改变可观察状态，并明确显示为什么成功、为什么失败、为什么停止。

Skill 不是“很长的提示词”，而是一个节省上下文的分层执行系统：先路由，再加载流程，细节用到才读。

最小形态 vs 推荐结构

my-skill/
└── SKILL.md

my-skill/
├── SKILL.md
├── agents/openai.yaml
├── scripts/
├── references/
└── assets/

三级加载：如何省上下文

内容该放哪里？动手分类

Skill 形态与触发方式

Matt 式工程生产线

不把直觉神秘化：先写下你看见的信号，再展开可观察的参考线索，把隐性判断桥接成显性知识。

首页练对比与复现；基础馆把控制半径拆成可通关章节；概念馆把新入库条目挂回同一组节点。馆翼共用顶栏与路径。

“Graph Engineering”当前标记为 proposed；来源支持定义，不等于证明行业已形成统一标准。