- Published on
Learn Agent
- Authors
- Name
欢迎来到我的 AI Agent 学习记录！Agent（智能体）被认为是通往 AGI（通用人工智能）的重要一步。这篇文章旨在梳理一套系统性的 Agent 学习路线，并收集、整理我认为非常有价值的开源仓库和学习资料。
本篇博客会持续更新，记录我在这个领域的探索与发现，希望能为同行的开发者提供一张清晰的“知识地图”。
一、 什么是 AI Agent？
如果用一句话概括：LLM（大语言模型）+ 记忆 + 规划 + 工具使用能力 = AI Agent。
为了便于理解，我们可以将 Agent 的架构与人类的核心能力进行类比：
| 核心组件 | 人类能力比拟 | 技术实现与功能说明 |
|---|---|---|
| Brain (大脑) | 思考与决策 | 核心控制器（如 GPT-5, Claude 4），负责理解指令、逻辑推理和任务规划。 |
| Perception (感知) | 视觉与听觉 | 接收多模态输入，如读取文本、识别图像内容、解析音频信息。 |
| Memory (记忆) | 回忆与经验 | 存储上下文信息。短期记忆维持当前对话连贯，长期记忆（如向量数据库）沉淀历史知识。 |
| Tools/Actions (工具) | 手脚与行动 | 执行具体动作，突破模型本身的限制，例如：搜索网络、执行代码、调用第三方 API。 |
二、 进阶式学习路线
为了避免在海量的概念中迷失，我将 Agent 的学习划分为三个递进阶段：
阶段 1：基础入门与核心概念
- 核心目标： 搞懂 Agent 的底层逻辑，理解它与普通 ChatGPT 聊天的本质区别。
- Prompt Engineering 进阶： 深入学习 ReAct (Reasoning and Acting) 模式，让模型学会“思考后行动”。
- 能力边界探索： 了解当前大模型的幻觉问题以及上下文长度限制。
阶段 2：主流框架与单体实战
- 核心目标： 能够使用现成框架，亲手搭建一个具备基础记忆和规划能力的单体 Agent。
- 主流框架入门： 学习 LangChain 或 LlamaIndex 的核心模块流转。
- 工具调用实战： 掌握 Function Calling / Tool Use 的具体代码实现方式。
阶段 3：多智能体协作与前沿探索
- 核心目标： 突破单体限制，理解复杂任务的拆解与多领域的深度应用。
- 多智能体框架： 接触 AutoGen、MetaGPT 或 CrewAI，探索 Agent 之间的辩论与协作。
- 垂直领域深钻： 重点关注代码/开发领域 Agent（如辅助编码、自动化测试）。这是目前落地最快、价值最直接的方向。
三、 精选学习仓库与资料 (✨ 核心推荐)
这里是在实战与学习过程中筛选出的“宝藏仓库”，强烈建议 Fork 学习：
1. 基础入门：构建 Agent 的第一课
- 项目名称： Hello Agents
- 简介： 来自 Datawhale 社区的开源精品教程，以对新手极其友好著称。
- 推荐理由： 它是极佳的 Agent 启蒙读物。仓库从零开始拆解概念，代码示例极度清晰，非常适合小白跟着一步步敲代码，跑通基础流程。
2. 垂直进阶：Claude Code 与代码 Agent
近期，以编程和代码为核心的 Agent 展现出了巨大潜力（尤其是 Claude 3 系列在代码生成上的卓越表现）。以下两个仓库是探索该领域的极佳资源：
- 项目名称： Learn Claude Code
- 推荐理由： shareAI-lab 出品，专注于教你如何榨干 Claude 的能力来处理代码任务，是一本系统学习“大模型+编程”的优质实战指南。
- 项目名称： Everything Claude Code
- 推荐理由： 这是一个大杂烩仓库，收录了丰富的 Claude Code 相关工具、项目和奇技淫巧。掌握基础后，来这里寻找灵感能极大提升你的开发效率。
四、 核心技术深度解析 (专题系列)
为了保持主路线图的简洁，我将 Agent 最核心的两个技术点抽离成了独立文章，点击下方链接可阅读详细的底层原理解析与实战代码：
🔗 [专题一：深度解析：AI Agent 如何像人一样拥有“记忆”？] (null)
- 摘要： 探讨感官记忆、短期记忆（Context Window）与长期记忆的差异。深度解析 Embedding（向量嵌入）、向量数据库（如 Pinecone/Milvus）的应用，以及如何通过 RAG（检索增强生成）技术解决模型遗忘和记忆冲突。
🔗 [专题二：从“会聊”到“会做”：深入理解 Tool Calling 机制] (null)
- 摘要： 详细拆解 ReAct (Reason + Act) 核心流程。探讨如何使用 JSON Schema 规范定义工具描述，如何处理 API 报错回调，以及在沙箱环境中执行代码工具的安全性考量。
五、 后续更新计划表 (TODO)
技术迭代太快，保持好奇，持续填坑：
- 深入研究 AutoGen 多智能体对话与协作机制。
- 抛弃 LangChain，尝试从零手搓一个极简的轻量级 Agent 核心调度器。
- 探索完全本地化部署（如基于 Ollama + Llama 3）驱动 Agent 的可行性方案。
pi-momo