08 · 7 天个人项目实验¶
目标是在一周内形成能运行、能解释、能被追问的个人实验。建议每天安排 45–90 分钟。先用本仓库 examples/agent_lab 的 README 启动离线教学示例，确认其当前命令与能力。
离线示例使用脚本策略和本地替身工具展示控制循环。清单包括基线运行与扩展实现任务：先检查当前代码，再逐步完成模型接入、任务集和故障恢复等练习。
第 1 天：界定任务，跑通基线¶
- [ ] 阅读示例 README 并运行其中的演示与测试命令。
- [ ] 写清输入、工具、状态、输出及终止条件。
- [ ] 保存一份成功运行记录，标出策略决定与真正工具执行的边界。
- [ ] 写出至少 3 项该示例不能证明的能力。
验收证据： 运行命令、Python 版本、当前 commit、演示输出和一张自己画的控制流程图。能回答 Q053 的 4 句介绍。
第 2 天：工具合同和错误路径¶
- [ ] 选一个现有工具，列出允许字段、类型、取值范围和返回状态。
- [ ] 用替身输入测试缺失字段、非法工具名、畸形参数和空结果。
- [ ] 检查校验发生在执行前；记录工具真正被执行的次数。
- [ ] 把异常转换成明确错误状态，避免无条件继续循环。
验收证据： 一张输入与预期结果表；至少一个失败用例必须证明“无副作用”，而不只是返回了错误文本。关联 Q041–Q045。
第 3 天：预算、循环与停止¶
- [ ] 注入持续要求调用同一工具的策略替身。
- [ ] 验证步数上限，记录耗尽时的最终状态和已完成工作。
- [ ] 若自行实现总期限或取消，分别测试工具执行前、执行中和执行后的停止。
- [ ] 说明哪些限制已实现，哪些只在设计文档里。
验收证据： 一个能稳定终止的循环故障案例；预算账本或状态变化记录。关联 Q047–Q048。
第 4 天：建立自己的任务集¶
- [ ] 设计 12 个小任务：4 个正常、4 个边界、4 个失败/越权请求；这是起步数量，不能代表全面覆盖。
- [ ] 每条记录输入、预期终态、允许调用、禁止副作用和所属类别。
- [ ] 留出部分任务，不参与规则修改；同源近重复题按组划分。
- [ ] 分开报告任务完成、正确拒绝与错误执行，不只展示总通过率。
验收证据： 机器可读任务集与评测结果，所有数字写明分母。关联 Q033–Q036。
第 5 天：故障恢复与写操作设计¶
- [ ] 如果示例没有写工具，先用本地内存或临时文件设计一个“创建模拟工单”替身，禁止连接真实系统。
- [ ] 给一个业务意图设置稳定操作 ID；重复请求不能新增第二个对象。
- [ ] 模拟“提交成功但返回超时”，再通过查询已有状态完成对账。
- [ ] 区分纯内存去重与跨重启持久去重；没有做持久化就明确标注。
验收证据： 外部替身中的对象数量、重复调用次数与最终状态。只记录返回字符串不足以证明幂等。关联 Q042、Q046。
第 6 天：比较一个可解释的改动¶
- [ ] 选一个具体失败类别，只改一项策略或边界处理。
- [ ] 在相同任务集、环境与统计口径下比较基线和新版。
- [ ] 记录逐题成功/失败、调用数与耗时；未接入模型就不报告模型 token 费用。
- [ ] 保留退步的案例，写出改动带来的权衡。
验收证据： 一张前后对照表和复现命令；小样本结果写成“该教学集合上的观察”。本地毫秒级演示不能外推线上 p95。关联 Q038–Q040。
第 7 天：整理可分享的项目证据¶
- [ ] 用 1 分钟演示成功路径，再用 1 分钟演示失败路径。
- [ ] README 明确安装、运行、测试、已实现、未实现、数据来源和许可证。
- [ ] 写一段真实项目介绍：任务→个人职责→关键决策→证据→局限。
- [ ] 回答 3 次追问：为什么这样做？失败时怎样？如何知道改动有效？
验收证据： 可供别人按命令复现的 commit、两条运行轨迹和一段录音/讲解稿。不要使用不属于自己的公司经历、用户规模或业务指标。
可选扩展：接入真正 LLM¶
以下是后续工作，不属于离线示例已经具备的能力。
- 选择供应商并阅读其当前官方工具调用文档，明确模型、SDK 和计费版本。
- 将模型适配器和工具执行器分离；模型返回工具意图，由执行器校验并执行。
- 凭据从环境或密钥管理服务读取，不写入代码或提交记录。
- 复用相同任务集合，另评工具选择、参数正确性、多轮稳定性和证据质量。
- 记录全部调用成本、错误、上下文和版本；先连接只读替身工具，再逐项增加权限。
- 通过真实调用验证后才写“已接入 LLM”；离线测试继续保留以复现故障。
完成自检¶
| 要回答的问题 | 合格证据 |
|---|---|
| 到底实现了什么？ | 可定位的代码和能运行的命令 |
| 哪些是模型能力，哪些是确定性代码？ | 清楚的适配器边界与说明 |
| 为什么说没有重复副作用？ | 工具替身终态、操作 ID 与故障测试 |
| 为什么说新版更好？ | 固定集合、明确分母、前后差异与反例 |
| 还有哪些没有验证？ | 与 README 一致的待办和限制 |
参考资料¶
配套面试练习¶
先合上正文讲一分钟，再用追问和案例检查理解。每题都可以跳回对应学习内容。