LearnAgent.wiki 把 Agent 生态里散落、过期、互相矛盾的知识,沉淀成一份持续维护、可信赖的学习地图。 过去一年,任何认真做 Agent 开发的人大概都有同一个感受——学习成本不在概念本身,而在"信息散、版本乱、过期快"。Anthropic 发协议、OpenAI 发 SDK、Cursor 改命令、Skills 标准每个月都有微调。社区里高质量的内容不是没有,而是留不下来:推文刷过去就刷过去,博客发完三个月就失效,Awesome 列表年久失修。 LearnAgent.wiki 的定位语写得很克制——"Agent · MCP · CLI · Skills 的系统学习入口与长期维护资料库"。没有"颠覆""革命""第一",就是一句老实话。在如今的 AI 内容生态里,这种克制本身就值得给个好印象。 它没有跟风做"AI 全栈百科"。四个主题的选择是经过思考的: Agent 解决"是什么" MCP 解决"怎么连" CLI 解决"在哪用" Skills 解决"怎么封装能力" 这四块刚好覆盖了一个开发者从"理解智能体"到"上手 Agent 工程"的完整链条,彼此咬合,不是简单堆砌。相比那些把"提示工程、RAG、微调、向量数据库"全塞进去的站点,这种克制反而显出策展品味。 1. Wiki 形态而非 Blog 形态 博客是时间轴,新内容压旧内容;Wiki 是图谱,旧内容会被修订而非掩埋。在一个三个月一变的领域,这个选择几乎是唯一正确的选择。市面上多数同类资源还停留在博客模式,LearnAgent.wiki 在这一点上选对了赛道。 2. 显式承认"内容会过期" 站点强调版本标签、最近核校时间、变更点公开。这是一种反潮流的诚实——多数内容站点恨不得让你以为它写的是永恒真理。承认易失效、然后建立维护机制,反而更值得信任。 3. 概念辨析做得专门 MCP vs Skills、Skills vs Prompt、CLI Agent vs IDE Agent——这些是社区里反复被问、又反复答错的问题。专门开辟辨析专题,等于在做一项社区认知校准的公共工作。 它适合谁推荐准备认真做 Agent 开发,但被四散信息劝退的开发者，想要做技术选型、需要可信赖资料源的技术负责人，已经在用 Claude Code / Cursor / Codex,想知道"为什么这么设计"的从业者，不想再到处找过期文章的内容创作者。 未必合适只想"快速上手跑个 demo"的纯应用层用户(他们更需要操作教程而非系统知识) 追求最新动态的 newsletter 型读者(Wiki 的节奏天然滞后于推特)，寻找"一键解决方案"的非技术决策者。