从零理解如何构建 AI Agent

Appearance

发现中心 ​

如果你还没决定现在应该先看理论、先做项目，还是直接补工程判断，这一页就是最短入口。

页面隐藏的自身锚点：/discover/。常用入口：学习路径 · 实践篇 · 中级篇 · 阅读地图

30 秒选起步路线 ​

按目标看完整路线 ​

系统入门 AI Agent

先建立统一概念框架，再进入第一个最小可运行项目，避免只会抄代码却不知道为什么这样设计。

第一站什么是 AI Agent

接着读工具系统、会话管理、P1：最小 Agent

补齐工程化能力

从关键理论与工程专题切入，优先补系统判断，而不是继续堆更多零散技巧。

第一站Agent 基础架构

接着读工具系统、Planning 机制、P18：多模型路由

边学边做项目

先拿到可运行反馈，再按需要回补理论与中级专题，始终保持动手驱动。

第一站P1：最小 Agent

接着读P10：ReAct Loop、P22：完整项目实战、Planning 机制

按主题继续逛 ​

工具调用与执行循环

从“模型为什么能行动”一路串到最小 Agent 闭环与显式推理链。

  • 工具系统理解模型为什么能行动，以及工具调用如何在工程上落地。
  • P1：最小 Agent用最少代码跑通工具调用生命周期，拿到第一个真正可运行的 Agent 闭环。
  • P10：ReAct Loop把黑盒工具调用升级成可见、可调试、可复盘的显式推理循环。

会话、上下文与记忆

把多轮对话、上下文压缩和记忆检索作为同一类工程问题理解。

  • 会话管理把消息流、上下文管理和执行循环串成完整主链路。
  • P2：多轮对话把单次请求升级成可持续对话的会话骨架，并开始感受上下文预算约束。
  • P5：记忆系统架构从对话历史走向真正的短期、工作、长期记忆分层，建立记忆系统架构感。
  • P7：RAG 基础从记忆系统进一步走向文档知识库，让 Agent 能基于外部知识回答问题。

规划、反思与多 Agent

从单步循环升级到任务拆解、重规划和多角色协作。

  • Planning 机制理解复杂任务为什么需要计划、重规划和任务树。
  • P11：Planning从单步循环走向任务分解与重规划，让 Agent 开始处理更长链路任务。
  • P12：Reflection让 Agent 不只执行，还会评审自己的结果并根据反馈继续修正。
  • P15：多 Agent 编排从单 Agent 走向角色分工和并行执行，开始真正感受系统编排。