✨ 这是什么

不是又一个链接收藏夹，而是 AI Agent 时代的深度工程笔记：

• 🧠 Agent 架构源码级拆解：Claude Code Agent Teams、Devin 消息架构、omp hub IPC 并发模型——不只看文档，直接读源码
• 🤝 Agent-to-Agent 协议调研：A2A 协议生态、14 家主流 agent 对比矩阵、MCP-bridge 现状
• 📈 AI × 量化金融全链路：从 LLM 因子挖掘、TSFM 时序模型选型、RL 最优执行，到 16 个可运行代码实验
• 📰 行业深度观察：Harness 开源版图、模型发布研判、前沿范式追踪（图工程、长上下文退化）

每一篇调研都标注证据来源与可信度分级（官方文档 / 社区逆向 / 本机实测），拒绝二手转述。

🎯 适用人群

• AI 工程师 / Agent 开发者：想深入理解主流 agent 的架构与消息机制
• 量化研究员：想知道 LLM/Agent 如何嵌入因子挖掘、回测与生产风控
• AI 原生工程师：追踪 Agent Harness、A2A 协议等 2026 前沿范式
• 转码学习者：从 Agent 开发到量化工程的完整实战路径

🗂 目录结构

ai-agent-playbook/
├── 01-AI工程/
│   ├── 01-Agent智能体/          # 源码级调研：Claude/Devin/omp/A2A 协议/Harness
│   ├── 02-RAG与向量数据库/      # 向量库入门到实战
│   ├── 03-提示工程/             # Prompt 工程完整教程
│   ├── 04-AI辅助开发工作流/     # Claude Code/OpenCode/OMP/Orca 实战
│   ├── 05-深度学习教程/         # 全栈 AI 开发者教程
│   └── 06-白皮书与论文/         # 论文与技术报告解读
├── 02-量化金融/
│   ├── 01-高频量化教程/         # 高频量化工程技能体系
│   └── 02-AI与量化前沿/         # ⭐ 核心：11 主题笔记 + 9 论文精读 + 16 代码实验
├── 03-行业观察/
│   ├── 01-最新月报/             # AI 行业月度报告
│   ├── 02-趋势与洞察/           # 深度调研：Harness/模型研判/前沿范式
│   └── 03-案例研究/             # 具体产品与公司案例
├── 04-编程基础/                 # ML 经典理论（Brady Neal 因果推断）
├── 05-工程实践/                 # Docker/K8s/测试工程学习路线
└── 06-原始文献/                 # 论文清单与索引

🚀 快速上手

# 克隆知识库
git clone https://github.com/Electricitysheep/ai-agent-playbook.git

# 或直接用 Obsidian 打开（推荐）
# Obsidian → Open folder as vault → 选择本目录

推荐阅读路径（3 分钟了解本库价值）：

1. 🏆 主流 Agent 的 Agent-to-Agent 能力对比调研报告 — 14 家 agent 对比矩阵
2. 📊 AI 如何嵌入量化金融深度调研报告 — AI×量化全链路
3. 🔬 Claude Code Agent Teams 源码级深挖 — 三层证据交叉验证

⭐ 特色内容

AI Agent 深度调研（2026-08 最新）

AI × 量化金融（差异化核心）

• 11 篇主题深度笔记：LLM 因子挖掘、TSFM 选型、RL 最优执行、多智能体交易、回测纪律
• 9 篇论文精读：Trading-R1、Fin-R1、Can LLMs Trade、Chain-of-Alpha 等
• 16 个可运行代码实验：每个实验含 main.py + 说明文档，开箱即跑（见 代码实验索引）

🤝 贡献

欢迎 PR！无论是修正、补充还是新的调研方向。详见 CONTRIBUTING.md。

• 有调研想法？开 Issue 讨论
• 发现错误？直接提 PR，24 小时内响应

📜 License

MIT © Electricitysheep

如果这个知识库对你有帮助，点个 ⭐ 支持一下吧！