AI Agent Learning Map
1、阶段 1:基础概念
LLM基本能力与限制Prompt Engineering(见LLM与Agent基础)Tool Calling/Function Calling(见ToolUse)Structured Output(见LLM与Agent基础)Embeddings/RAG(见AI知识图谱)
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
AgentPatterns 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AgentSecurity)
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…