AI Agent

一个面向开发者的 Agent 原理与实践教程 · 参考体系以 Anthropic《Building Effective Agents》与主流开源项目为骨架

大语言模型本身只会“续写文本”。要让它能查资料、写代码、订机票、持续完成一个复杂任务，就需要在模型外面套一层系统：给它记忆、给它工具、给它一个不断运转的循环。这个系统就是​智能体（Agent）​。

本教程用一个贯穿始终的比喻来组织内容：​智能体 = 大脑 + 眼睛 + 手脚​。大脑是 LLM，眼睛是感知与上下文，手脚是工具与执行。围绕这个比喻，我们依次讨论基础组件、工程方法、多智能体协作，最后落到评估与演进。

基础篇

• 智能体 = 大脑 + 眼睛 + 手脚 —— Agent 的定义、核心循环与 ReAct，全篇的概念地图
• LLM —— 作为“大脑”的语言模型：能做什么、不能做什么，模型特性如何塑造 Agent 行为
• 上下文 —— Prompt Engineering 与 Context Engineering：如何喂养大脑
• 用户记忆与知识库 —— 长期记忆与 RAG 两条线，让 Agent 记得住、查得到
• 工具 —— MCP 与 Skills/CLI：让 Agent 真正“动手”

进阶篇

• 工作流与任务编排 —— Planning 与 Goal、Harness Engineering、Loop Engineering
• 多智能体协同 —— Subagents、编排模式、A2A 通信、上下文隔离与共享
• 安全与权限 —— 威胁模型、权限最小化、沙箱与 human-in-the-loop
• 案例研究 —— Coding Agent、Working Agent、Agent 开发、Agent 与软件工程
• Agent 的评估 —— 轨迹评估、基准与在线评估
• Agent 的持续进化 —— 从经验沉淀到自我改进

阅读建议

基础篇按顺序阅读即可，章节之间有明确的依赖关系。进阶篇各章相对独立，可按需取用。