下面四节是我们公开讲义中最具代表性的四节。无论你是不是会员，都可以直接看完整内容 —— 觉得对味了，再去开通会员，加入答疑群。
把「上下文工程」作为 Agent 与 LLM 之间的桥梁讲透。课程从 DeepSeek Harness 的工程实践出发，向前走到 MemGPT / Letta 的虚拟上下文管理、Context-Folding 的可学习折叠，再到 ACON 的失败驱动压缩提示优化，最后把工业界与开源格局一并梳理。
Agent 自进化难在哪里？这一节把训练数据质量与查询筛选、离线训练成本、在线可控性这三条核心挑战拆开讲。围绕 DeepSeek 的理解、Harness 的三个精髓、插件化热插拔的原理，以及 ACE 论文的经验路线，把「Agent 自进化」这件事从口号变成工程语言。
一句话本质：「建模看接口，调度看事件，溯源看日志」。这一节我们把 DeepSeek Harness 这个被很多同学视为「吓人」的 219 个 package 项目，拆成一张表来读 —— Everything is a Plugin、Cordis 五要素、Profile × Bundle 五层叠加、Agent Loop 的 turn 与 step、Session Event Log 与 Tool Runtime 八阶段。