课程简介

随着 Coding Agent 从对话助手走向能够读代码、改代码、运行测试并参与研发流程的智能体，企业关注点正从“如何写好 Prompt”转向“如何让 Agent 持续、可靠、可控地工作”。但在落地中，Agent 仍面临上下文遗忘、重复试错、验证缺失、权限越界和成本失控等问题。

本次分享结合 Skill、Agent Harness 与 Loop Engineering 的研究和实践，分析 Skill 如何沉淀稳定行为，持久 Loop 如何连接状态、工具、验证与停止条件，以及 Skill 自进化为何需要评估、审批和回滚。以实际案例为例，给出从单次提示到持续智能体系统的设计框架，帮助团队判断哪些任务值得自动化、如何划分人机责任，并让每轮执行沉淀为可复用的工程能力。

课程收益

目标：

1、帮助研发团队从“优化单次 Prompt”转向“设计持续运行的 Agent 系统”，建立 Skill、Harness 与 Loop 协同工作的工程框架。

2、通过明确任务入口、权限边界、验证机制、外部状态和停止条件，为企业落地可控、可审计、可持续改进的智能体提供借鉴。

3、听众将获得一套判断 Agent 任务是否值得自动化的方法。

成功要点：

1、将 Skill 设计成小而明确的行为单元，而不是庞大的知识文档。使用“观察、决策、执行、验证、记录、停止”构建完整闭环。

2、将稳定规则写入 Skill，将确定性操作交给脚本，将运行状态保存在对话之外。同时，分离执行者与验证者，避免 Agent 同时担任实施者和唯一裁判

3、Skill 自进化不能直接修改生产规则，应经过案例沉淀、回归评估、审批、灰度和回滚。从只读和提案权限开始，逐步开放高风险操作，避免盲目追求全自动。

启示：

掌握持久 Loop Skill 的核心设计要素，以及 Skill 受控自进化的实施路径；可有效将方法迁移到其他场景，让 Agent 的每次执行都沉淀为可复用、可验证的工程能力。

受众人群

应用开发工程师、架构师、中台研发人员、CTO、算法工程师、AI工程师以及其他对Skill感兴趣的人员

课程周期

    0.5天（3H） 

课程大纲