作为独立开发者，我基于近一年 Shopify 工作经验、运营痛点观察和市场调研，完整记录了 MarginBundle 从产品定位、能力设计、技术落地到 Shopify App Store 上架准备的全过程。文章涵盖利润保护型优惠系统的思考、React Router/Prisma/BullMQ/Shopify Function 架构实践，以及从学习、实战到尝试售卖插件的复盘。
很多人把模型、工具、Agent、Harness、编程助手和多 Agent 系统混在一起讨论，结果是同一个词在不同语境中指向不同东西。本文先建立一套统一的概念地图，再用 Codex、Cursor、Claude Code、OpenCode、Hermes Agent 和 DeepSeek Harness 说明这些概念如何落地到真实产品中。
LangChain到底替开发者做了什么？本文从售后助手中的重复代码出发，讲清框架、模型服务、厂商SDK与业务程序的分工，介绍模型、消息、提示模板、工具、文档、检索与记忆如何配合，并通过组件实验和Agent示例展示数据流转，帮助初学者理解框架封装的价值、执行过程与适用边界。
Agent能够连续调用工具以后，怎样避免越权查询、未确认就提交、重复申请和预算失控？本文沿用售后场景，讲清安全护栏与中间件的区别，展开权限校验、人工确认、重试、调用限额、隐私处理和输出检查，并通过可运行的小例子说明中间件的执行顺序，帮助初学者理解检查应该放在哪里，以及怎样验证它真正生效。
工具接通以后，应用怎样根据结果决定下一步？本文沿用售后场景，讲清Agent与RAG、工具调用、MCP的关系，拆解查询订单、核对资格、补充信息和准备申请的多步过程，并介绍任务状态、执行循环、人工确认、停止条件与结果验收，帮助初学者理解Agent怎样推进任务，以及什么时候应该停下来。
工具多了以后，AI应用怎样统一连接和使用它们？本文承接售后查询场景，用通俗语言介绍MCP，讲清主机、客户端、服务器的分工，以及工具、资源和提示模板的区别。通过可运行示例，展示本地stdio与Streamable HTTP连接、工具发现、政策读取和查询结果返回，再说明怎样接回模型调用流程，帮助新手理解MCP的作用、使用方式与边界。
模型说“已经查询”或“提交成功”，并不代表程序真的执行了操作。本文承接文档问答，以虚构售后订单为例，讲清 Function Calling 与 Tool Call 的关系，逐步实现工具描述、参数检查、查询执行、结果回传和多轮调用。提供可运行的 Python 示例与离线演示，并说明权限、失败处理、调用次数限制和重复操作等边界，帮助新手理解模型如何与程序配合完成任务。
延续上一章的 RAG 实战，本文深入讲解网页、PDF、Word、PPT、Excel 等资料的解析难点：正文与噪声如何区分，扫描件何时需要 OCR，标题、表头、备注和来源位置怎样保留。结合售后政策案例与代码示例，说明如何检查内容覆盖、结构关系和版本范围，让资料在进入知识库前成为保持原意、能够回查的证据。
理解 RAG 的原理后，怎样把文档加载、文本切分、向量检索和模型调用接成一个能运行的问答系统？本文沿用售后政策案例，通过 Python、Chroma 和本地嵌入模型，逐步讲清文档入库、候选检索、上下文组装、答案生成与来源展示，并结合核心代码说明重复入库、证据编号和资料不足等问题，让整个流程可以运行，也能逐步检查。
RAG 是一种“先检索资料，再生成回答”的大模型应用架构。本文从企业知识库问答出发，讲清 RAG 的基本原理、知识入库与在线问答流程，以及它与向量检索、长上下文、微调和数据库查询的区别，并分析检索、Prompt、数据质量等环节为什么仍可能导致错误。