选型的判断标准——任务清晰/不长/无需分工就用 Single-Agent，context 撑爆、需要专业分工、有可并行子任务才上 Multi-Agent；Single-Agent 的本质与「链路可控」优势；中心化 Orchestrator 的职责与三种变体（静态路由 / 动态规划 / 自适应编排）；去中心化在工程上不可用的四大问题；「两个问题」做选型决策 + 渐进式演进策略；A2A 跨框架协议趋势

Multi-Agent 的两大驱动因素（context window 硬上限、单点专业度不足）；三种协作模式（顺序流水线 / 并行扇出 / 辩论评审）；「工作台干净」的案例对比（需求分析师 → 程序员 → 测试工程师）；并行执行的双重收益（速度提升 + context 隔离）；生产级框架选型（CrewAI / LangGraph / 微软 MAF）；组织方式中心化 vs 去中心化。

Agent 记忆的四种类型（感知/短期/长期/实体）与长期记忆的三种子类型（情节/语义/程序）；设计记忆模块的三个核心问题：存什么、怎么存（向量库 + 关系库混合存储）、什么时候取（主动检索 + 按需检索）；Context Window 管理的三种策略；知识图谱与记忆整合（去重/冲突消解/抽象提炼）；「读-用-写」三阶段闭环。

为什么任务要拆分（context window 有限、「桌面太乱」）；静态拆分与动态拆分的适用场景；依赖分析与 DAG 并行执行（端到端延迟可降 40%-60%）；拆分粒度与「原子操作」标准；自适应拆分与 Replan 机制；拆分结果完备性/独立性/可验证性三大验证标准。

Agent 的三种主流设计范式：ReAct「边想边干」、Plan-and-Execute「先规划再执行」、Reflection「质量增强 buff」；设计范式与推理模式的区别；动态 Replan 与 Reflexion 进阶机制；三种范式的 token 消耗对比与选型指南。

Agent 的四大核心组件（LLM、工具系统、记忆系统、规划模块）；System Prompt 与模型选型；工具调用「决策与执行分离」；MCP 协议；短期/长期记忆与记忆衰减；CoT/ToT 与 Plan-and-Execute/ReAct；Agent 运行主循环。

Agent 的本质是「自主闭环」；与普通 LLM 的三大区别（自主性、能行动、有闭环）；普通大模型的三大局限；Agent 的三项核心支撑能力；MCP 与 A2A 两大生态标准协议。

基于 Qt5 开发了一个音乐播放器项目，布局参考主流的网易云、QQ音乐等PC客户端程序。

基于 Qt5 开发了一个音乐播放 Demo 小程序。支持音频文件选择、进度条显示、进度条点击、进度条滑块拖拽、音乐播放暂停功能。

epoll 的功能和使用；epoll 的 LT 和 ET 模式；select、poll、epoll 工作流程对比；基于 epoll 的 I/O 复用并发服务器实现。