《AI Agent Book》阅读路线：从原理到可复现实验
阅读 agent.py 与实验运行脚本
从第一章代码看清“可复现”具体检查了什么。
阅读 agent.py 与实验运行脚本知识学习CN编辑简报更新 2026-09-26
你将学会
- 从枚举和消息开始
- 追踪证据生成
- 留意边缘情况
开始前需要
- Python 环境基础
- 运行实时实验时所需的模型服务商账号
把一节上下文课变成有记录的实验和设计判断。
先看结论
- 枚举名称需要消息级核对。
- 证据哈希说明来源，不说明正确性。
- 教学代码执行需要隔离。
从枚举和消息开始
agent.py 的 ContextMode 命名了五种条件。沿每轮消息组装函数阅读，再对比真正发给服务商的请求，不要只看枚举名字推断效果。
ToolRegistry 含教学用代码解释器。凡是执行生成代码的路径，都应先按不受信任代码处理，不要让实验接触个人文件。
追踪证据生成
实验脚本定义模式条件检查、计算结果与 token 使用，并写出证据文件和 SHA-256 记录。要看清缺失数据与实验失败如何区分。
哈希可帮助发现证据被改动，却不能证明模型答案正确，也不能让一次比较自动具有统计意义。
留意边缘情况
服务商可能不返回推理字段，工具可能报错，多次调用可能波动。这些断言和空值应体现在报告中，不能悄悄换成成功。
我们只检查了第一章相关的两份 Python 文件，没有覆盖全书所有章节实现和外部依赖。
如何选择
| 比较维度 | 方案 A | 方案 B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
实施步骤
- 1
找到模式枚举和消息构造器。
- 2
阅读 evaluate_context_contract 与结果计算。
- 3
确认服务商数据缺失时如何表示。
可复制示例
python
from agent import ContextMode
# inspect the actual request messages for ContextMode.NO_TOOL_RESULTS常见问题
脚本能直接证明因果关系吗？
它可检查预期消息差异，因果结论仍需重复受控试验。
代码解释器是生产沙箱吗？
不能这样假设；执行不可信代码前须审阅并隔离。
资料来源
- AI Agent Book / chapter1/context/agent.py来源核查 2026-09-26
- AI Agent Book / chapter1/context/run_experiment_1_1.py来源核查 2026-09-26
- AI Agent Book / chapter1/context/README.md来源核查 2026-09-26