Agent 学习路线图：先跑通，再理解，最后造轮子

给零基础到初学者的 Agent 学习路径。七个阶段循序渐进，每阶段给出：学什么、参考课程（Agent 学习课程 Hub）、参考项目、以及本仓库的关联深度文章（理论拔高时用）；遇到不懂的术语，随时查 Agent 术语速查。

每个阶段都有一个「验收标志」，完成即可进入下一阶段。

阶段 0：前置基础（1–2 周，可跳过部分）

目标：能调通 LLM API，会用 Python 写脚本。

  • Python 基础（能写函数、类、async 即可）
  • 一个主流 LLM 的 API 调用（OpenAI 兼容格式通用）
  • Prompt 基础：system/user 消息、temperature 等参数的含义

参考内容：

验收标志：写一个能多轮对话的 CLI 聊天脚本。

阶段 1：Agent 是什么（1 周）

目标：建立 Agent 心智模型，「LLM + 工具 + 循环」，理解 Agent 与普通 Chatbot 的本质区别。

参考课程：

  • microsoft/ai-agents-for-beginners 第 1–4 课（概念、框架概览、设计模式、工具调用）
  • 或 hello-agents 第 1–3 章（中文，定义/类型/发展史）
  • 必读短文：Anthropic《Building Effective Agents》，workflow（预设路径）vs agent（自主决策） 的区分是全场最重要的概念

本仓库关联：

验收标志：能向别人讲清楚「Agent 与 Chatbot 的区别是什么」。

阶段 2：手搓核心范式（2–3 周，最重要）

目标：用原生 API 亲手实现三个经典范式，弄清楚 Agent 到底是怎么转起来的，这一步决定了你是库的使用者还是系统的构建者。

  • ReAct（推理-行动循环）
  • Plan-and-Solve（先规划后执行）
  • Reflection（自我反思迭代）

参考课程：

  • hello-agents 第 4–7 章，专门带你把这三个范式用原生 API 手写一遍，并自研一个迷你框架 HelloAgents

本仓库关联：

验收标志：不依赖任何框架，手写出一个能查天气 + 算数 + 失败重试的 ReAct Agent。

阶段 3：框架实战（2–3 周）

目标：用主流框架快速构建真实应用，理解框架帮你解决了什么（状态、记忆、并行、错误恢复）。

选型建议（先精通一个，再触类旁通）：

  • 快速出 demo：crewAI（角色扮演，最易上手）或 smolagents（代码极简）
  • 企业级主攻：LangGraph（有状态图，生态最全，市场岗位需求最大）
  • 对照理解：openai-agents-python（handoff 模式）、google/adk-python

参考课程：

本仓库关联：

验收标志：用 LangGraph 做出一个带状态、能中断恢复的多轮 Agent 应用。

阶段 4：协议、记忆与上下文工程（2–3 周）

目标：补齐 Agent 的”感官”与”记忆”。生产级和 demo 的差距就在这里。

  • MCP：Agent 连接外部工具的标准协议
  • Agent Skills：可复用能力单元（2026 年事实标准）
  • A2A：Agent 之间的通信协议
  • 记忆系统：短期/长期记忆、会话状态管理
  • 上下文工程：动态组装、压缩、缓存

参考项目：

本仓库关联（本仓库在这一层的深度文章最全，重点利用）：

延伸阅读（按兴趣深挖）：Claude Code 上下文压缩机制深度解析 · MemoryOS 智能记忆系统架构设计与开发指南（2026-03） · Claude Code 源码解析：基于 Markdown 文件的持久化记忆机制

验收标志：给你的 Agent 接上 3 个 MCP 工具 + 跨会话记忆，再写一个自己的 Agent Skill。

阶段 5：案例与多智能体项目（2–4 周）

目标：从”会写”到”会用”，通过案例库和完整项目建立产品感。

本仓库关联：

延伸阅读（按兴趣深挖）：技术博客撰写 Agentic RAG Agent 系统设计 · TradingAgents-CN 多智能体设计与交互分析 · 深度解析 Kagent：从零打造 Kubernetes 运维智能体 · A Survey on Agent Workflow – Status and Future - 速览

验收标志：复刻或自创一个完整项目（智能客服、Data Agent、Deep Research 三选一）。

阶段 6：Harness 与工程化（持续）

目标：理解”驾驭工程（Harness Engineering）”，让 Agent 在真实环境中自主干活，并把它变成可维护的工程系统。

参考项目（从易到难）：

本仓库关联（本仓库 Harness/Infra 文章最多最硬核，重点利用）：

延伸阅读（按兴趣深挖）：AI Agent 基础设施——三个决定性层次：工具、数据、编排 · Claude Code Sandbox 安全隔离机制解析 · 扩展托管智能体：让决策与执行解耦，各行其职 · AI Agent 基础设施的崛起

验收标志：日常开发由 Harness 类工具完成 30% 以上，且能说清它们的设计取舍。

两条可选路径

  课程派（稳扎稳打） 实战派（以用带学）
主线 阶段 0 → 6 顺序推进 阶段 0 → 1 → 3 → 5 先出成果，再回头补 2、4
适合 学生、转行者、想打牢底子 在职工程师、急着落地
时间 4–6 个月 2–3 个月见效，原理后补

附：本仓库的 Agent 内容地图

本路线图大量引用了仓库 08_agentic_system/ 的深度文章，它们正好覆盖课程学不到的部分：源码级机制解析与生产级设计取舍。完整导航见 AI Agent 开发与实践。