什么是 Agent？LLM / Agent / Skill / Tool 的区别与关系，从厨房比喻到 OpenClaw 实践的入门梳理。

产品经理的核心工作不是写 PRD，而是发现值得解决的问题、定义清楚目标、推动方案交付，并用数据验证结果。

什么是 Loop Engineering？它和 Prompt Engineering、ReAct Loop、Workflow 有什么区别？

什么是 Trace？它如何记录 Agent 的模型调用、工具调用、状态变化和最终结果？

什么是 Orchestrator？它如何协调模型、工具、状态、子流程和错误处理来完成 Agent 任务？

什么是 Planner？它如何把用户目标拆成步骤、工具需求、风险点和完成标准？

什么是 Sandbox？它如何限制 Agent 执行权限、隔离副作用并保护真实系统？

什么是 Agent Runtime？它如何承载模型调用、工具调用、状态、权限、中断恢复和观测？

什么是 Executor？它如何把计划转化成具体工具调用、系统动作和可验证结果？

什么是 State？它如何记录 Agent 当前任务进展、工具结果、错误、审批和下一步动作？

什么是 Workflow？它如何用确定性步骤组织 Agent 任务，并和 Agent Loop、LangGraph 配合？

Session、Storage 和 Memory 分别是什么？它们在 Agent 系统里如何分工，为什么不能混为一谈？

什么是 Checkpointing？它如何保存 Agent 中间状态，并支持失败恢复、人工审批和长任务续跑？

什么是 Middleware？它如何在 Agent 请求、模型调用、工具调用和输出之间插入通用处理逻辑？

Agent 可以按哪些维度分类？不同类型 Agent 在自主性、工具能力、风险和工程复杂度上有什么区别？

A2A、MCP 和 Plugin 分别连接什么？它们如何支持 Agent 协作、工具接入和能力分发？

什么是 Human-in-the-loop 和 Approval Gate？它们如何控制 Agent 的高风险动作？

什么是结构化输出和 Schema？它们如何让模型结果可解析、可校验、可执行？

什么是 Idempotency？为什么 Agent 重试、恢复和工具调用必须考虑幂等性？

什么是 Interrupt 与 Resume？Agent 任务如何安全暂停、等待、恢复并避免重复副作用？

什么是 Context？为什么上下文设计决定了 Agent 能看见什么、理解什么和执行什么？

API、SDK、Skill、MCP 和插件分别处在 Agent 系统的哪一层？它们如何配合，把模型能力变成可开发、可连接、可复用的产品能力？

什么是 Agent Router？它如何选择模型、工具、Skill、Workflow 或人工处理路径？

什么是 ReAct Loop？它如何让模型在推理、行动和观察之间循环完成多步任务？

什么是 Harness？它如何把 LLM 的自由生成约束成可执行、可验证、可审计的 Agent 行为？

LangChain 和 LangGraph 分别是什么？它们在 LLM 应用、Agent 编排和状态管理中如何分工？

从原始 RAG、Chunk、Embedding 和混合检索，到 pgvector、Supabase 与 Agentic RAG 的完整实践笔记。

分别理解 LLM、Prompt 和 Token：它们各自是什么、重要信息有哪些，以及三者在 AI 应用和 Agent 开发里的联系与区别。

Function、Function Calling 和 Tool 分别是什么？模型是如何通过工具调用真正执行动作的？

基于 WayLog 项目的真实代码，梳理 TypeScript 类型、函数、对象、异步编程、React Hooks 与 AgentProposal 安全链路。