Skip to content

AI Agent Learning Map ​

1、阶段 1:基础概念 ​

2、阶段 2:Agent 核心机制 ​

  • Agent Loop
  • 任务规划与分解
  • 工具选择
  • 短期记忆与长期记忆
  • 反思与自我修正(见 Agent Patterns 的 Evaluator-Optimizer)
  • Human-in-the-loop

3、阶段 3:工程化 ​

  • 状态管理
  • 错误恢复
  • 评测与回归测试
  • 成本控制
  • 日志与可观测性
  • 权限与安全边界
  • 持久化执行与跨进程恢复(见 Durable Execution)
  • Prompt Injection 与沙箱防护(见 Agent Security)

4、阶段 4:前端结合点 ​

  • Chat UI 设计
  • 多步任务进度展示
  • 可解释的工具调用过程
  • 人机协作交互
  • 浏览器自动化界面
  • 知识库检索体验

5、阶段 5:项目实践 ​

  • 个人 AI 情报助手
  • Obsidian 知识库助手
  • 前端代码审查 Agent
  • 网页信息采集与摘要 Agent
  • 个人每日规划和复盘 Agent

6、扩展生态 ​

Skill、Rule、Plugin 和 MCP 的边界、生命周期与学习入口见:Agent 扩展生态知识图谱。

对应文章:Agent Patterns、Agent Evals、Agent Security、Durable Execution、Cost and Reliability、Agent UX

评论

正在加载评论…