通过分析七大经典策略游戏，系统地梳理了人工智能决策思维的演进历程。从斗地主的贪心算法讲起，延伸至棋类游戏中常用的深度搜索、剪枝技术与状态缓存。随着游戏进入麻将与德州扑克的非完全信息领域，揭示了AI如何利用贝叶斯推理和博弈论处理不确定性。这种从“暴力计算”到“重点识别”的转变，构成了现代AI决策的核心逻辑。

从模块化与插件化的角度重新审视 DeepSeek Harness，并以 Vite 为参照，理解一个大型系统为什么要把核心做小、把变化留给插件，以及这种设计如何让系统获得超出自身代码规模的扩展能力。

从 Prompt、Reasoning 到 Function Calling、MCP、Skills，再到代码测试、E2E、世界模型与自我进化 Harness，梳理 AI Agent 的发展脉络。探讨 Agent 如何通过约束、工具与反复验证，让概率性的语言生成逐渐变成可靠的任务执行系统。

深入理解部分预渲染 PPR 的工作原理，并以博客文章与评论系统为例，讲解如何在 Next.js 中组合静态、缓存与动态内容