最近团队内部搞了个 AI Agent 学习小组,我作为牵头人整理了不少资料。期间在技术群里潜水,看到大家问得最多的不是“LangChain 怎么用”,而是“我学完能做什么”“概念都懂为什么写不出来”“Agent 到底稳不稳”。顺着这些困惑,我把市面上值得看的内容、我们自己趟过的坑、还有面试里被反复问到的考点串成了一套学习路径。这篇文章就是这套笔记的精简版,适合刚接触 AI Agent 不久、想系统入门的朋友,也适合准备在业务里落地 Agent 的团队做参考。
先说结论:AI Agent 不是什么黑魔法,它是一套系统工程。你能不能用好它,取决于你对“循环、记忆、工具、评估”这四个词的理解深度,而不是你背了多少篇论文。
1. 重新认识AI Agent:它先是系统工程,然后才是“智能体”
很多人第一次接触 Agent,是从 ChatGPT 的插件功能开始的,或者在短视频里看到有人让 AI 自己完成一个任务,觉得“神仙打架”。但一旦自己上手,会发现两件很尴尬的事:第一,AI 经常做着做着就忘了目标;第二,它明明调到了工具,却把参数传得乱七八糟。这时候你会意识到,Agent 真正的难点不在大模型本身,而在外面包的那层工程结构。
李博杰那篇流传很广的《深入理解AI Agent》,我建议每个想入行的人都认真读一遍,不管你看的是 PDF 还是网页版。那篇内容最大的价值不是给了一个具体方案,而是把 Agent 拆成了任务分解、推理、记忆、工具调用这几个模块,让你明白一个 Agent 能跑起来,靠的是几条循环在驱动:感知外部状态、内部推理决策、调用工具改变状态、再回到感知。这个循环是 Agent 的地基,地基不稳,上面接什么框架都是虚的。
我见过不少同学,一上来就看 LangGraph 的官方文档,看了一大半还不知道 Agent 和普通 LLM 应用的区别在哪。根源就是思维模型没建立起来。普通 LLM 应用是一次性问答:用户提问,模型回答,结束。Agent 应用则是一个有状态的任务执行器,它有目标、有计划、有中间步骤、有自我纠偏。你可以把它类比成一个实习生:你给他一个任务目标,他不会一次就做到完美,但优秀的实习生会不断检查自己的产出、调用手边的工具、遇到问题回来问你。Agent 就是那个实习生,你需要给它一套清晰的工作流程和工具清单,而不是指望它读心。
所以学习 Agent 的第一步,不是立刻写代码,而是先建立这个“系统”视角。理解了这一点,你再去看任何 Agent 框架、任何 Agent 编排工具,都会觉得顺眼很多。
2. 学习资料分级清单:从李博杰笔记到最少必要论文
既然标题是“学习资料整理”,我就把压箱底的清单拿出来,按优先级分了三层。这套清单是我们内部几个不同背景的工程师一起筛的,去掉了大量纯概念重复的内容,留下的都是能真正帮你“上一个台阶”的。
2.1 第一优先级:概念与全景
- 李博杰《深入理解AI Agent》:即便网上已经有很多解读,我仍然建议看原文。它帮你建立从“大语言模型”到“Agent 系统”的完整认知,尤其是对任务分解和多步推理的讲述,至今没有几篇中文内容能超越。
- 吴恩达在 DeepLearning.AI 上关于 Agent 的系列课程:偏工程视角,篇幅不长,讲了 reflect(反思)、tool use(工具使用)、planning(规划)和多 Agent 协作,非常贴近实践。经常有人认为这套课程属于“入门玩具”,但真去复盘时发现挺多可用的设计模式。
- Hugging Face 官方的 Agents Course:免费、更新勤快,配合大量可以运行的 notebook。如果你喜欢“边看边跑”的学习方式,优先选这个。
2.2 第二优先级:按需提取的论文与文档
论文不需要全文精读,我建议带着问题去提取:
| 论文/文档 | 核心解决什么问题 | 什么时候该读 |
|---|---|---|
| ReAct(Yao et al., 2022) | 推理和行动怎么交替进行 | 想搞懂 Agent 主循环时 |
| Reflexion(Shinn et al., 2023) | Agent 怎么从失败里自我修正 | 头痛于 Agent 老犯同一个错误时 |
| Toolformer(Schick et al., 2023) | 模型怎么学会自己用工具 | 纠结要不要微调时 |
| OpenAI Function Calling 文档 | 模型输出和工具调用的桥接协议 | 做工程接入时必读 |
| Tree of Thoughts(Yao et al., 2023) | 搜索式推理,而不是线性推理 | 遇到复杂推理问题时 |
另外一个容易被忽略的文档是各框架的 “concepts” 页面,尤其是 LangGraph 关于 State、Node、Edge 的说明。很多人跳着读,后面调试 Agent 时一搜一堆为什么,其实概念就藏在最前面几页。
261




被折叠的 条评论
为什么被折叠?



