AI Agent Learning Map

阶段 1：基础概念

• [x] LLM 基本能力与限制
• [ ] Prompt Engineering
• [ ] Tool Calling
• [ ] Structured Output
• [ ] Function Calling
• [ ] Embeddings
• [ ] RAG

阶段 2：Agent 核心机制

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

阶段 3：工程化

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

阶段 4：前端结合点

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

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

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