这里写自定义目录标题欢迎使用Markdown编辑器断层研究演示很酷工程落地很难一、工程化框架要解决的四件事二、核心概念先统一语言三、实战从零构建一个数据分析智能体第一步定义工具层第二步搭执行循环第三步可观测性埋点第四步状态管理与恢复第五步结果校验与交付四、模块化架构agent-workspace 给我们的启示五、工程化落地的五个坑坑一过度设计工具坑二忽略 token 成本坑三不设安全边界坑四没有评估就上线坑五把 Agent 当黑盒六、我的额外观点结语新的改变功能快捷键合理的创建标题有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能丰富你的文章UML图表流程图FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好 这是你第一次使用# AI Agent 工程化实践从想法验证到数据分析智能体的完整搭建手册断层研究演示很酷工程落地很难当前 AI Agent 领域存在一个明显的断层研究演示很酷工程落地很难。不少框架要么过于学术化、抽象层级高、学习曲线陡峭要么过于黑盒难以定制和调试。很多开发者一开始都习惯把智能体的逻辑、工具调用、记忆管理、状态流转等所有代码一股脑塞进一个庞大的主程序文件——结果代码越写越乱逻辑耦合度越来越高想加个新功能或者调试某个环节就像在盘根错节的线团里找线头。这篇文章的目标不是空谈 Agent 的未来而是直接回答三个最实际的问题一个面向工程化的 Agent 框架应该长什么样如何从零构建一个能自动分析数据、生成图表并撰写报告的智能体工程化落地时最常踩的坑有哪些我以两个有代表性的开源项目为线索——agency-agents聚焦工程化封装与可观测性和 agent-workspace聚焦模块化工作空间与关注点分离带你走完从想法到可部署智能体的完整路径。一、工程化框架要解决的四件事一个试图解决 Agent最后一公里问题的工程化框架核心目标不是创造最强大的 Agent而是提供一套简洁、模块化、易于集成的构建块。它要解决的具体问题有四类配置复杂许多框架需要大量的 YAML、JSON 配置和环境变量工程化框架力求通过清晰的 Python API 和合理的默认值简化配置让跑起来的成本降到最低。调试困难Agent 的内部状态、思维链和工具调用过程必须透明。工程化框架强调可观测性Observability让开发者能清晰看到 Agent 的思考过程——这一步为什么这么决策、调用了哪个工具、返回了什么结果。集成繁琐Agent 要能嵌入现有的 Web 服务、后台任务或数据流水线。工程化框架提供轻量的集成方式而不是自成一体、难以接入。工具生态一个 Agent 的能力取决于它能调用的工具。框架必须解决工具的管理、扩展和组合问题——工具如何注册、如何声明参数、如何做权限控制、如何组合成工作流。这四个问题的解决方案决定了框架是能跑 demo还是能上生产。二、核心概念先统一语言在深入代码之前需要统一几个关键概念。这些概念是所有 Agent 框架的通用语言理解了它们任何框架都能快速上手Agent智能体一个能自主规划、调用工具、与环境交互的运行时。它的核心是一个循环接收目标 → 思考 → 调用工具 → 观察结果 → 再思考直到完成目标或达到终止条件。这个循环就是 ReAct 模式的工程化实现无论框架怎么包装内核都一样。Tool工具Agent 能力的载体任何可以被调用的外部能力——搜索、代码执行、数据库查询、API 调用。工程化框架里工具是一个标准化的协议名称、描述、参数 schema、执行函数、错误语义。工具注册表是 Agent 的技能库。Memory记忆Agent 的状态保持机制分短期会话上下文和长期跨会话的事实。Orchestrator编排器负责管理 Agent 的执行循环、工具调度、状态流转、错误恢复。它是框架的核心引擎也是工程化程度的分水岭。三、实战从零构建一个数据分析智能体下面用一个完整的示例展示如何用工程化思路构建一个数据分析助手——它能接收用户的自然语言问题自动分析数据、生成图表并撰写报告。这个例子麻雀虽小五脏俱全覆盖了工程化的全部关键环节。第一步定义工具层数据分析智能体的第一个决策是给它哪些工具我选择五个数据加载读取 CSV/Excel、数据清洗处理缺失值和类型转换、统计分析描述性统计、相关性、图表生成生成图表文件、报告撰写把结果组装成结构化报告。每个工具按标准协议注册名称、描述供模型理解何时使用、参数 schemaJSON Schema 定义入参、执行函数。工程要点工具描述要写得像给同事的交接说明因为模型是靠描述来选工具的——描述模糊选错工具的概率就上升。第二步搭执行循环执行循环是智能体的心脏。最简版本就是一个 while 循环模型根据当前状态输出下一步动作调用哪个工具、传什么参数系统执行工具把结果追加到上下文回到循环开头。终止条件是模型输出任务完成或达到最大步数。工程要点有三个第一循环必须有最大步数上限防止模型陷入无限循环第二每一步的工具调用结果要完整回灌给模型让它锚定在事实上第三异常要拦截——工具执行失败不能崩掉整个循环要让模型看到错误信息后自己调整策略。第三步可观测性埋点这是工程化与玩具的分水岭。执行循环里每一步都要留痕模型思考内容、选择的工具、传入的参数、工具返回结果、耗时、token 消耗。数据落到结构化日志里支持按会话回溯。出了线上问题能精确看到是模型决策错了、工具错了还是数据错了——而不是重新跑一遍看运气。第四步状态管理与恢复数据分析任务可能执行数十步中途任何一步失败都要有恢复策略。设计要点把中间结果清洗后的数据、生成的图表缓存到工作记忆里失败时从最近的成功检查点继续而不是从头重跑幂等设计——同一个工具调用重复执行结果一致避免重试产生副作用。第五步结果校验与交付任务完成不等于正确。交付前要过质量门图表文件是否生成成功、报告是否覆盖了用户问题的所有要点、数字是否与数据源一致。简单做法是规则校验 模型自检双重确认复杂场景引入独立的校验 Agent 交叉验证。四、模块化架构agent-workspace 给我们的启示agent-workspace 这个项目提出了一个很有价值的理念为构建和运行智能体设计一个工作空间框架把那些通用且复杂的部分——任务规划、工具执行、记忆存储、外部 API 集成——抽象和标准化出来让开发者专注于智能体本身的业务逻辑。它最核心的设计思想是关注点分离把智能体系统拆解成界限分明的核心模块每个模块只负责一件事通过定义良好的接口通信。这听起来像是软件工程的常识但在 Agent 开发里却经常被违反——因为 Agent 的智能诱惑开发者把所有逻辑塞在一起。按关注点分离原则一个生产级智能体至少应该拆成六个模块感知层输入解析与意图识别、规划层任务分解与步骤编排、工具层能力注册与调度、记忆层上下文管理、执行层动作落地与异常恢复、反思层结果校验与自我改进。每个模块可独立开发、独立测试、独立替换——想升级记忆策略只动记忆层想换工具调度算法只动工具层。这种架构让智能体从单文件脚本进化为可维护的软件系统。五、工程化落地的五个坑坑一过度设计工具一上来就给 Agent 配 30 个工具模型在工具池里选错的概率急剧上升。经验法则从 5-8 个工具起步验证效果后再逐步扩充工具数量超过十几个一定要引入工具路由或工具检索。坑二忽略 token 成本Agent 的 token 消耗是普通应用的数倍每步思考、每次工具调用都在烧 token。数据分析这种多步任务一次任务可能消耗几万 token。控制手段上下文压缩中间结果摘要化、模型分级简单步骤用便宜模型、缓存重复查询命中缓存。坑三不设安全边界数据分析 Agent 要访问业务数据安全边界必须清晰数据访问权限最小化、工具调用审计、高危操作删除、修改需要确认。特别是代码执行类工具不设防的 Agent 可能成为数据泄露的通道。坑四没有评估就上线Agent 是概率系统每次运行结果都不同。没有评估体系就上线等于把生产质量交给运气。至少要建一个 30-50 条任务的黄金集覆盖典型场景和边界情况每次改动跑全量对比。坑五把 Agent 当黑盒很多框架把执行过程封装得太深出问题无法定位。工程化框架的第一要求就是透明思考过程可见、工具调用可见、状态转移可见。如果框架做不到就用日志和埋点自己补上。六、我的额外观点第一“最后一公里的本质是工程化而不是模型。模型负责聪明”工程化负责可靠。数据分析智能体这类任务模型的推理能力早就够了真正决定成败的是工具是否完备、循环是否健壮、状态是否可恢复、过程是否可观测。第二智能体的复杂度应该按需生长先单文件验证效果再模块化重构最后生产化加固。不要一上来就上重型架构也不要在验证成功后长期停留在脚本阶段。判断该进化的信号是改一个功能开始需要动多处不相干的代码。第三可观测性在 Agent 项目里的优先级应该排到效果调优前面。因为 Agent 的错误是概率性的、非确定的没有完整的过程留痕任何优化都是盲人摸象。把过程数据埋好效果优化才有依据。结语AI Agent 的工程化实践核心是把智能封装进工程用标准化协议管理工具用健壮的循环支撑执行用完整的埋点保证可观测用模块化架构控制复杂度用评估体系驱动迭代。从想法到可部署的智能体中间隔的不是模型能力而是这一整套工程手段。把 Agent 当作一个严肃的软件系统来构建它才能真正从演示品变成生产力工具。Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持除了标准的Markdown编辑器功能我们增加了如下几点新功能帮助你用它写博客全新的界面设计将会带来全新的写作体验在创作中心设置你喜爱的代码高亮样式Markdown将代码片显示选择的高亮样式进行展示增加了图片拖拽功能你可以将本地的图片直接拖拽到编辑区域直接展示全新的KaTeX数学公式语法增加了支持甘特图的mermaid语法1功能增加了多屏幕编辑Markdown文章功能增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能功能按钮位于编辑区域与预览区域中间增加了检查列表功能。功能快捷键撤销Ctrl/CommandZ重做Ctrl/CommandY加粗Ctrl/CommandB斜体Ctrl/CommandI标题Ctrl/CommandShiftH无序列表Ctrl/CommandShiftU有序列表Ctrl/CommandShiftO检查列表Ctrl/CommandShiftC插入代码Ctrl/CommandShiftK插入链接Ctrl/CommandShiftL插入图片Ctrl/CommandShiftG查找Ctrl/CommandF替换Ctrl/CommandG合理的创建标题有助于目录的生成直接输入1次#并按下space后将生成1级标题。输入2次#并按下space后将生成2级标题。以此类推我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。如何改变文本的样式强调文本强调文本加粗文本加粗文本标记文本删除文本引用文本H2O is是液体。210运算结果是 1024.插入链接与图片链接: link.图片:带尺寸的图片:居中的图片:居中并且带尺寸的图片:当然我们为了让用户更加便捷我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面选择一款你喜欢的代码片高亮样式下面展示同样高亮的代码片.// An highlighted blockvarfoobar;生成一个适合你的列表项目项目项目项目1项目2项目3计划任务完成任务创建一个表格一个简单的表格是这么创建的项目Value电脑$1600手机$12导管$1设定内容居中、居左、居右使用:---------:居中使用:----------居左使用----------:居右第一列第二列第三列第一列文本居中第二列文本居右第三列文本居左SmartyPantsSmartyPants 是一个文本转换工具主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如原始符号转换后说明引号“引号”直引号变弯引号单引号‘单引号’直单引号变弯单引号--–两个连字符变短破折号---—三个连字符变长破折号...…三个点变省略号创建一个自定义列表MarkdownText-to-HTMLconversion toolAuthorsJohnLuke如何创建一个注脚一个具有注脚的文本。2注释也是必不可少的Markdown将文本转换为HTML。KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:Gamma公式展示Γ ( n ) ( n − 1 ) ! ∀ n ∈ N \Gamma(n) (n-1)!\quad\forall n\in\mathbb NΓ(n)(n−1)!∀n∈N是通过欧拉积分Γ ( z ) ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)∫0∞tz−1e−tdt.你可以找到更多关于的信息LaTeX数学表达式here.新的甘特图功能丰富你的文章2014-01-072014-01-092014-01-112014-01-132014-01-152014-01-172014-01-192014-01-21已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid关于甘特图语法参考 这儿,UML图表可以使用UML图表进行渲染例如下面产生的一个序列图王五李四张三王五李四张三李四想了很长时间, 文字太长了不适合放在一行.你好李四, 最近怎么样?你最近怎么样王五我很好谢谢!我很好谢谢!打量着王五...很好... 王五, 你怎么样?关于UML图表语法参考 这儿,流程图链接长方形圆圆角长方形菱形关于Mermaid语法参考 这儿,FLowchart流程图我们依旧会支持flowchart.js的流程图语法Created with Raphaël 2.3.0开始我的操作确认结束yesno关于Flowchart流程图语法参考 这儿.导出与导入导出如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出生成一个.md文件或者.html文件进行本地保存。导入如果你想加载一篇你写过的.md文件在上方工具栏可以选择导入功能进行对应扩展名的文件导入继续你的创作。mermaid语法说明 ↩︎注脚的解释 ↩︎ AI Agent 工程化实践：从想法验证到数据分析智能体的完整搭建手册
这里写自定义目录标题欢迎使用Markdown编辑器断层研究演示很酷工程落地很难一、工程化框架要解决的四件事二、核心概念先统一语言三、实战从零构建一个数据分析智能体第一步定义工具层第二步搭执行循环第三步可观测性埋点第四步状态管理与恢复第五步结果校验与交付四、模块化架构agent-workspace 给我们的启示五、工程化落地的五个坑坑一过度设计工具坑二忽略 token 成本坑三不设安全边界坑四没有评估就上线坑五把 Agent 当黑盒六、我的额外观点结语新的改变功能快捷键合理的创建标题有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能丰富你的文章UML图表流程图FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好 这是你第一次使用# AI Agent 工程化实践从想法验证到数据分析智能体的完整搭建手册断层研究演示很酷工程落地很难当前 AI Agent 领域存在一个明显的断层研究演示很酷工程落地很难。不少框架要么过于学术化、抽象层级高、学习曲线陡峭要么过于黑盒难以定制和调试。很多开发者一开始都习惯把智能体的逻辑、工具调用、记忆管理、状态流转等所有代码一股脑塞进一个庞大的主程序文件——结果代码越写越乱逻辑耦合度越来越高想加个新功能或者调试某个环节就像在盘根错节的线团里找线头。这篇文章的目标不是空谈 Agent 的未来而是直接回答三个最实际的问题一个面向工程化的 Agent 框架应该长什么样如何从零构建一个能自动分析数据、生成图表并撰写报告的智能体工程化落地时最常踩的坑有哪些我以两个有代表性的开源项目为线索——agency-agents聚焦工程化封装与可观测性和 agent-workspace聚焦模块化工作空间与关注点分离带你走完从想法到可部署智能体的完整路径。一、工程化框架要解决的四件事一个试图解决 Agent最后一公里问题的工程化框架核心目标不是创造最强大的 Agent而是提供一套简洁、模块化、易于集成的构建块。它要解决的具体问题有四类配置复杂许多框架需要大量的 YAML、JSON 配置和环境变量工程化框架力求通过清晰的 Python API 和合理的默认值简化配置让跑起来的成本降到最低。调试困难Agent 的内部状态、思维链和工具调用过程必须透明。工程化框架强调可观测性Observability让开发者能清晰看到 Agent 的思考过程——这一步为什么这么决策、调用了哪个工具、返回了什么结果。集成繁琐Agent 要能嵌入现有的 Web 服务、后台任务或数据流水线。工程化框架提供轻量的集成方式而不是自成一体、难以接入。工具生态一个 Agent 的能力取决于它能调用的工具。框架必须解决工具的管理、扩展和组合问题——工具如何注册、如何声明参数、如何做权限控制、如何组合成工作流。这四个问题的解决方案决定了框架是能跑 demo还是能上生产。二、核心概念先统一语言在深入代码之前需要统一几个关键概念。这些概念是所有 Agent 框架的通用语言理解了它们任何框架都能快速上手Agent智能体一个能自主规划、调用工具、与环境交互的运行时。它的核心是一个循环接收目标 → 思考 → 调用工具 → 观察结果 → 再思考直到完成目标或达到终止条件。这个循环就是 ReAct 模式的工程化实现无论框架怎么包装内核都一样。Tool工具Agent 能力的载体任何可以被调用的外部能力——搜索、代码执行、数据库查询、API 调用。工程化框架里工具是一个标准化的协议名称、描述、参数 schema、执行函数、错误语义。工具注册表是 Agent 的技能库。Memory记忆Agent 的状态保持机制分短期会话上下文和长期跨会话的事实。Orchestrator编排器负责管理 Agent 的执行循环、工具调度、状态流转、错误恢复。它是框架的核心引擎也是工程化程度的分水岭。三、实战从零构建一个数据分析智能体下面用一个完整的示例展示如何用工程化思路构建一个数据分析助手——它能接收用户的自然语言问题自动分析数据、生成图表并撰写报告。这个例子麻雀虽小五脏俱全覆盖了工程化的全部关键环节。第一步定义工具层数据分析智能体的第一个决策是给它哪些工具我选择五个数据加载读取 CSV/Excel、数据清洗处理缺失值和类型转换、统计分析描述性统计、相关性、图表生成生成图表文件、报告撰写把结果组装成结构化报告。每个工具按标准协议注册名称、描述供模型理解何时使用、参数 schemaJSON Schema 定义入参、执行函数。工程要点工具描述要写得像给同事的交接说明因为模型是靠描述来选工具的——描述模糊选错工具的概率就上升。第二步搭执行循环执行循环是智能体的心脏。最简版本就是一个 while 循环模型根据当前状态输出下一步动作调用哪个工具、传什么参数系统执行工具把结果追加到上下文回到循环开头。终止条件是模型输出任务完成或达到最大步数。工程要点有三个第一循环必须有最大步数上限防止模型陷入无限循环第二每一步的工具调用结果要完整回灌给模型让它锚定在事实上第三异常要拦截——工具执行失败不能崩掉整个循环要让模型看到错误信息后自己调整策略。第三步可观测性埋点这是工程化与玩具的分水岭。执行循环里每一步都要留痕模型思考内容、选择的工具、传入的参数、工具返回结果、耗时、token 消耗。数据落到结构化日志里支持按会话回溯。出了线上问题能精确看到是模型决策错了、工具错了还是数据错了——而不是重新跑一遍看运气。第四步状态管理与恢复数据分析任务可能执行数十步中途任何一步失败都要有恢复策略。设计要点把中间结果清洗后的数据、生成的图表缓存到工作记忆里失败时从最近的成功检查点继续而不是从头重跑幂等设计——同一个工具调用重复执行结果一致避免重试产生副作用。第五步结果校验与交付任务完成不等于正确。交付前要过质量门图表文件是否生成成功、报告是否覆盖了用户问题的所有要点、数字是否与数据源一致。简单做法是规则校验 模型自检双重确认复杂场景引入独立的校验 Agent 交叉验证。四、模块化架构agent-workspace 给我们的启示agent-workspace 这个项目提出了一个很有价值的理念为构建和运行智能体设计一个工作空间框架把那些通用且复杂的部分——任务规划、工具执行、记忆存储、外部 API 集成——抽象和标准化出来让开发者专注于智能体本身的业务逻辑。它最核心的设计思想是关注点分离把智能体系统拆解成界限分明的核心模块每个模块只负责一件事通过定义良好的接口通信。这听起来像是软件工程的常识但在 Agent 开发里却经常被违反——因为 Agent 的智能诱惑开发者把所有逻辑塞在一起。按关注点分离原则一个生产级智能体至少应该拆成六个模块感知层输入解析与意图识别、规划层任务分解与步骤编排、工具层能力注册与调度、记忆层上下文管理、执行层动作落地与异常恢复、反思层结果校验与自我改进。每个模块可独立开发、独立测试、独立替换——想升级记忆策略只动记忆层想换工具调度算法只动工具层。这种架构让智能体从单文件脚本进化为可维护的软件系统。五、工程化落地的五个坑坑一过度设计工具一上来就给 Agent 配 30 个工具模型在工具池里选错的概率急剧上升。经验法则从 5-8 个工具起步验证效果后再逐步扩充工具数量超过十几个一定要引入工具路由或工具检索。坑二忽略 token 成本Agent 的 token 消耗是普通应用的数倍每步思考、每次工具调用都在烧 token。数据分析这种多步任务一次任务可能消耗几万 token。控制手段上下文压缩中间结果摘要化、模型分级简单步骤用便宜模型、缓存重复查询命中缓存。坑三不设安全边界数据分析 Agent 要访问业务数据安全边界必须清晰数据访问权限最小化、工具调用审计、高危操作删除、修改需要确认。特别是代码执行类工具不设防的 Agent 可能成为数据泄露的通道。坑四没有评估就上线Agent 是概率系统每次运行结果都不同。没有评估体系就上线等于把生产质量交给运气。至少要建一个 30-50 条任务的黄金集覆盖典型场景和边界情况每次改动跑全量对比。坑五把 Agent 当黑盒很多框架把执行过程封装得太深出问题无法定位。工程化框架的第一要求就是透明思考过程可见、工具调用可见、状态转移可见。如果框架做不到就用日志和埋点自己补上。六、我的额外观点第一“最后一公里的本质是工程化而不是模型。模型负责聪明”工程化负责可靠。数据分析智能体这类任务模型的推理能力早就够了真正决定成败的是工具是否完备、循环是否健壮、状态是否可恢复、过程是否可观测。第二智能体的复杂度应该按需生长先单文件验证效果再模块化重构最后生产化加固。不要一上来就上重型架构也不要在验证成功后长期停留在脚本阶段。判断该进化的信号是改一个功能开始需要动多处不相干的代码。第三可观测性在 Agent 项目里的优先级应该排到效果调优前面。因为 Agent 的错误是概率性的、非确定的没有完整的过程留痕任何优化都是盲人摸象。把过程数据埋好效果优化才有依据。结语AI Agent 的工程化实践核心是把智能封装进工程用标准化协议管理工具用健壮的循环支撑执行用完整的埋点保证可观测用模块化架构控制复杂度用评估体系驱动迭代。从想法到可部署的智能体中间隔的不是模型能力而是这一整套工程手段。把 Agent 当作一个严肃的软件系统来构建它才能真正从演示品变成生产力工具。Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持除了标准的Markdown编辑器功能我们增加了如下几点新功能帮助你用它写博客全新的界面设计将会带来全新的写作体验在创作中心设置你喜爱的代码高亮样式Markdown将代码片显示选择的高亮样式进行展示增加了图片拖拽功能你可以将本地的图片直接拖拽到编辑区域直接展示全新的KaTeX数学公式语法增加了支持甘特图的mermaid语法1功能增加了多屏幕编辑Markdown文章功能增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能功能按钮位于编辑区域与预览区域中间增加了检查列表功能。功能快捷键撤销Ctrl/CommandZ重做Ctrl/CommandY加粗Ctrl/CommandB斜体Ctrl/CommandI标题Ctrl/CommandShiftH无序列表Ctrl/CommandShiftU有序列表Ctrl/CommandShiftO检查列表Ctrl/CommandShiftC插入代码Ctrl/CommandShiftK插入链接Ctrl/CommandShiftL插入图片Ctrl/CommandShiftG查找Ctrl/CommandF替换Ctrl/CommandG合理的创建标题有助于目录的生成直接输入1次#并按下space后将生成1级标题。输入2次#并按下space后将生成2级标题。以此类推我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。如何改变文本的样式强调文本强调文本加粗文本加粗文本标记文本删除文本引用文本H2O is是液体。210运算结果是 1024.插入链接与图片链接: link.图片:带尺寸的图片:居中的图片:居中并且带尺寸的图片:当然我们为了让用户更加便捷我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面选择一款你喜欢的代码片高亮样式下面展示同样高亮的代码片.// An highlighted blockvarfoobar;生成一个适合你的列表项目项目项目项目1项目2项目3计划任务完成任务创建一个表格一个简单的表格是这么创建的项目Value电脑$1600手机$12导管$1设定内容居中、居左、居右使用:---------:居中使用:----------居左使用----------:居右第一列第二列第三列第一列文本居中第二列文本居右第三列文本居左SmartyPantsSmartyPants 是一个文本转换工具主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如原始符号转换后说明引号“引号”直引号变弯引号单引号‘单引号’直单引号变弯单引号--–两个连字符变短破折号---—三个连字符变长破折号...…三个点变省略号创建一个自定义列表MarkdownText-to-HTMLconversion toolAuthorsJohnLuke如何创建一个注脚一个具有注脚的文本。2注释也是必不可少的Markdown将文本转换为HTML。KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:Gamma公式展示Γ ( n ) ( n − 1 ) ! ∀ n ∈ N \Gamma(n) (n-1)!\quad\forall n\in\mathbb NΓ(n)(n−1)!∀n∈N是通过欧拉积分Γ ( z ) ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)∫0∞tz−1e−tdt.你可以找到更多关于的信息LaTeX数学表达式here.新的甘特图功能丰富你的文章2014-01-072014-01-092014-01-112014-01-132014-01-152014-01-172014-01-192014-01-21已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid关于甘特图语法参考 这儿,UML图表可以使用UML图表进行渲染例如下面产生的一个序列图王五李四张三王五李四张三李四想了很长时间, 文字太长了不适合放在一行.你好李四, 最近怎么样?你最近怎么样王五我很好谢谢!我很好谢谢!打量着王五...很好... 王五, 你怎么样?关于UML图表语法参考 这儿,流程图链接长方形圆圆角长方形菱形关于Mermaid语法参考 这儿,FLowchart流程图我们依旧会支持flowchart.js的流程图语法Created with Raphaël 2.3.0开始我的操作确认结束yesno关于Flowchart流程图语法参考 这儿.导出与导入导出如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出生成一个.md文件或者.html文件进行本地保存。导入如果你想加载一篇你写过的.md文件在上方工具栏可以选择导入功能进行对应扩展名的文件导入继续你的创作。mermaid语法说明 ↩︎注脚的解释 ↩︎