从 0 到 1 学习 Agent

Agent 工程入门路线

用短课建立 Agent 的正确心智模型，并用 Pi 完成一个可验证、可恢复、有引用的技术研究 Agent。

适合会写基础 TypeScript、但还没有系统搭建过 Agent 的开发者。

从第 1 课开始

最终会做出什么

最终项目不是聊天壳，而是一套能规划、检索、核验证据并输出带引用报告的完整 Agent。

04 一次 LLM 调用究竟发生了什么 从请求、采样到响应，建立最小但准确的模型调用心智模型。已发布
05 Message、Role、Token 和 Context Window 搞清楚 Agent 每一轮真正交给模型的内容。计划中
06 用 Pi 实现最小 Agent Loop 串起流式输出、结构化结果、状态和停止条件。计划中

07 Tool Calling 不是 Agent 区分一次函数调用和能持续观察结果的 Agent Loop。计划中
08 一个好 Tool 的 Schema 应该怎么写 用清晰名称、参数边界和结果契约减少模型误用。计划中
09 Tool 的错误、重试、超时和结果语义 让失败可以被模型理解，也能被程序可靠处理。计划中
10 副作用、幂等、审批、并行和取消 给真实动作加上明确的工程护栏。计划中

11 Prompt Engineering 与 Context Engineering Prompt 管规则，Context 管当前任务真正需要的信息。计划中
12 Session、历史消息和 Context Compaction 让长任务可以继续，而不是无限塞满上下文窗口。计划中
13 RAG 应该是 Tool，还是自动注入 Context 根据检索时机、可见性和成本选择接入方式。计划中
14 Working、Episodic、Semantic 与 Procedural Memory 用写入、检索和遗忘策略区分四类记忆。计划中

15 ReAct：边观察边行动 在每次真实工具结果之后重新判断下一步。计划中
16 Plan-and-Execute：先规划再执行 把任务分解和逐步执行分开，但允许计划被证据修正。计划中
17 Reflection 与 Evaluator-Optimizer 什么时候自我修正有用，什么时候只是多花一次模型调用。计划中
18 Router、Parallel 与 Blackboard 比较路由、并行处理和共享状态三种组织方式。计划中
19 Supervisor、Handoff 与 Multi-Agent 只有上下文隔离或真实并行有收益时，才增加 Agent 数量。计划中

20 MCP：把外部能力接进 Agent 看懂 Tool、Resource、Prompt 和传输层分别解决什么问题。计划中
21 Prompt Injection 与 Tool Injection 外部内容为什么不能自动获得指令权和工具权限。计划中
22 Sandbox、权限、预算和 Human-in-the-loop 用系统边界约束 Agent，而不是只靠 Prompt 劝它小心。计划中
23 Trace、Observability 与 Agent Evaluation 从最终答案反查每一步，建立能持续回归的评估集。计划中

24 项目 Spec、架构与验收标准 先定义什么叫研究完成，再选择 Agent 结构。计划中
25 搜索、网页读取、资料标准化与引用工具 让每条关键结论都能回到真实来源。计划中
26 Planner、Researcher 与任务恢复 分解研究问题，并让中断后的任务从证据状态继续。计划中
27 Citation、Evaluator、Context 与持久化 独立检查来源覆盖、结论一致性和上下文预算。计划中
28 CLI、HTTP/SSE API、评估集与发布门禁 把学习项目收口成能运行、能测试、能演示的交付物。计划中

参考基线

这些资料用于支撑概念和术语。文章会使用自己的话解释，并用 Pi 重新实现 demo。