Skip to content

Agent 学习路径

关于 AI Agent 的内容,在这份指南里是按"先打基础 → 再建模式 → 落地实战 → 进阶生态"分布在第 1/2/4/5 章的,没有挤在单独一章。这一页把它串成一条路,专门想学 Agent 的话,照这条线走就行

💡 这是一张"导航地图",不是新内容——每一站都链到正文对应小节。建议第一遍按顺序走通,落地时再回到具体小节深挖。


① 基础:Agent 靠什么动起来

Agent = 会自己调工具、能记住上下文的 LLM。先把这两块底座搞清楚。

② 核心:Agent 循环与设计模式

理解 Agent 到底是怎么"自己转起来"的,以及常见的几种组织方式。

  • 2.3 Agent 设计模式 — Agentic Loop、ReAct、Planning、Handoff、Guardrails,含「最小 ReAct Agent」可跑实战 ⭐

③ 可靠:让 Agent 不失控、可衡量

能跑起来不算完,能稳定、可评估、成本可控才敢上线。

④ 实战:从零搭一个完整 Agent ⭐

把前面的东西拼成一个真能用的东西——这是整条路的落地里程碑。

⑤ 进阶:决定 Agent 上限的工程功夫

同样的模型,为什么有人的 Agent 又稳又能干长任务?差距在这三节。

⑥ 生态:给 Agent 接上更多能力

让 Agent 能用外部工具、封装可复用的能力。


📌 关键结论

  1. Agent 内容分布在第 1/2/4 章,主线顺序:工具/记忆基础 → 循环与模式 → 可靠性 → 端到端实战 → Harness/上下文/多 Agent → MCP/Skill 生态
  2. 最小闭环只需 ①②④:搞懂 Tool Use + Agent 循环,就能跑通 2.11 实战项目
  3. 想做"能扛长任务、不跑偏"的 Agent,真正的功夫在第 ⑤ 步的 Harness上下文工程;想吃透实现,跟着 Pi 源码解剖 读一遍,再用 六条不变量 当检查表
  4. 要给 Agent 扩外部能力,走 MCP/Skill 生态(第 ⑥ 步)

下一步:从 1.4 Tool Use 开始,或直接跳到 2.3 Agent 设计模式 看循环怎么转。

写给自己的 AI 学习地图