#EP13 - 聊聊：Agent 原理、Claude Code、与 Agentic Life

🎙️ 主播：elek、Jay、Jason📝 概要：本期万悟智连，三位主播围绕 AI Coding 展开了一次深度对谈。上半场由崔老师从底层原理讲起，梳理了从 ChatGPT 时代的一问一答到如今 Agent 自主编程的技术演进路径，深入解析了 Tool Use、MCP 协议、上下文管理等 Agent 核心机制，并以 Claude Code 的设计哲学为例阐释了 RISC vs CISC 的工具设计理念。下半场三人分享各自的 AI Coding 实战经验，从 Claude Code、Cursor、Copilot 到 Codex 的使用对比，讨论了多 Agent 并行开发、Token 成本控制、以及 AI 对团队协作和组织结构带来的深远影响。几位主播一致认为，AI Coding 正在从辅助工具演变为开发范式的根本变革，未来的开发者需要具备"AI-native"的思维方式。📖 章节：00:00:00  开场介绍 – Elek 开场，介绍本期主题：AI Coding 的底层原理与实战经验00:00:27  正式开始 – 分上下半场，崔老师先讲 Agent 底层原理00:01:30  从 ChatGPT 到 Agent – 回顾大模型从文字对话到 Agent 自主行动的演进，Tool Use 概念的引入00:08:30  Claude Code 的诞生 – Boris 在 Anthropic 从个人项目到发布 Claude Code 的故事00:13:00  Agent 核心循环 – 讲解 Agent Loop：观察→思考→行动→反馈的工作原理00:18:00  工具设计哲学 – RISC vs CISC 理念在 Agent 工具设计中的体现，Claude Code 的精简工具集00:24:00  MCP 协议 – Model Context Protocol 的意义，统一了模型与外部工具的交互标准00:30:00  上下文管理 – Context Window 的局限性，CLAUDE.md 和 Memory 机制如何帮助 Agent 保持状态00:38:00  AI 应用开发的思考 – 讨论 AI 原生应用的设计理念，规则引擎 vs AI 自适应00:48:00  实战分享：工具对比 – Claude Code、Cursor、Copilot、Codex 各自的优劣和使用场景00:58:00  Deep Research 与 Cowork – 分享使用 Deep Research 和 Cowork 等工具的体验01:08:00  多 Agent 并行开发 – 如何同时开多个 Claude Code 实例并行处理不同任务01:16:00  Token 成本与效率 – 讨论 API 调用成本（单任务 7-8 美金）以及如何优化开支01:22:00  AI 对组织的影响 – AI Coding 如何改变团队结构，复合型人才的价值01:28:00  给听众的建议 – 拥抱 AI 工具，培养 AI-native 思维，从实践中学习01:33:00  结尾总结 – 回顾本期要点，展望 AI Coding 的未来发展NOTE： 工具与产品： Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Windsurf、Augment Code、Cowork 技术概念： Tool Use、MCP (Model Context Protocol)、Agent Loop、Context Window、CLAUDE.md、ReAct 框架 人物： Boris (Claude Code 创作者 / Anthropic)、Dario Amodei (Anthropic CEO) 类比引用： RISC vs CISC 指令集设计理念用于解释 Agent 工具设计哲学 片尾曲： Luciano Pavarotti - Ma rendi pur contento (Bellini)在小宇宙查看该单集文稿