Agent

这里收录我关于 AI Agent 的学习笔记、工程实践与阶段性思考。相比普通的模型使用，Agent 更关注目标分解、工具调用、状态管理、记忆机制与执行闭环，因此它不仅是一个“会聊天”的模型，更像一个可以围绕任务持续行动的系统。

这个专题会持续补充，并尽量按统一结构整理，方便从入门概念一路读到工程落地。

这个页面能做什么

• 按主题浏览：适合集中阅读某一类 Agent 能力，例如 tools、memory、planning、workflow
• 按难度筛选：适合根据自己的基础选择入门、进阶或高阶内容
• 按文章类型查看：适合区分概念解析、教程、实战案例、复盘与评测
• 按框架或实践方向回看：适合对比不同方案，例如 OpenAI、LangGraph、多 Agent 协作或 Coding Agent
• 按最近更新查看：适合快速了解我最近新增或重写的内容

推荐阅读路径

如果你是第一次接触 Agent，建议按下面的顺序阅读：

1. 先理解什么是 Agent，以及它和普通聊天机器人、固定工作流之间的区别
2. 再理解一个 Agent 的最小组成：模型、指令、上下文、工具、状态与反馈
3. 接着看工具调用、规划、记忆这三类核心能力分别解决什么问题
4. 最后再进入工程实践，例如 Coding Agent、Browser Agent、Research Agent 或 Multi-Agent 协作

如果你已经开始做 Agent 项目，建议重点关注：

• Prompt 与上下文边界如何设计
• 工具调用何时触发、如何约束、如何做错误恢复
• 短期记忆与长期记忆是否真的必要
• 如何评估一个 Agent 是否“有效”，而不仅仅是“看起来聪明”
• 如何在成本、延迟、稳定性之间做平衡

我计划覆盖的主题

这个专题会逐步覆盖以下方向：

• Agent 基础概念：Agent、Workflow、ReAct、Plan-and-Execute、Reflection 等常见范式
• Agent 核心组件：模型、Prompt、工具调用、上下文管理、状态管理、记忆与规划
• Agent 工程化：可观测性、调试、评测、成本控制、失败恢复与安全约束
• Agent 实战案例：Coding Agent、Browser Agent、Research Agent、RAG Agent、多 Agent 协作
• 框架与方案对比：对比不同 Agent 框架、SDK 与自定义轻量实现的优缺点

文章内容规范

为了让整个专题尽量保持统一，我会尽量让每篇文章包含以下几个部分：

• 这篇文章要解决什么问题
• 核心结论是什么
• 相关概念或架构背景
• 具体设计思路或实现流程
• 关键代码、伪代码或流程图
• 常见问题、失败点与权衡分析
• 适用场景与延伸阅读

阅读建议

如果你更偏理论，可以优先阅读概念与架构类文章，先建立整体框架；如果你更偏实践，可以直接看实战案例，再回头补工具调用、记忆、规划与评测这些基础模块。

我也会尽量把“看起来很强”和“实际可用”区分开来，尽量少写空泛概念，多写真正影响效果的设计选择、踩坑记录与工程细节。

欢迎从下方列表开始阅读。