Agent 开发:让模型替你把事做完

大模型根据上下文生成输出,Agent 是怎么借助外部系统把事做完的?

主线 17 章 + 附录 2 篇,已上线学习地图和第 1–9 章,其余持续更新中。按顺序读:第 1 章讲模型原理,只讲能解释后面十六章的那部分;第 2–4 章建立 Agent 的地基,之后每一章都在用第 4 章那个最小例子往上加东西;第 14–17 章是选型部分,等前面的判据攒够了才读得动。不写代码也能读完全课,代码块都可以跳过;第 4 章给出一份完整的 OpenAI Responses API 示例,不动手时只需看清请求工具、执行工具、交回结果和停止循环这四步。想动手的话,每一章的例子都能单独跑起来,后一章是在前一章的基础上加东西。附录 A、B 讲模型内部的机械原理和选型页面上那些数字的含义,跳过不影响正文任何一句。

  1. 学习地图
  2. 模型到底是什么:一台根据上文猜下一个词的机器
  3. Agent 的最小运行链:三个外部零件
  4. 「Agent」——智能体是什么
  5. 一轮循环里到底发生了什么
  6. 上下文:Agent 真正的瓶颈
  7. 工具设计:让模型选择哪些动作,怎样说明这些动作
  8. 记忆与检索:让旧信息在需要时重新进入上下文
  9. MCP 与 A2A:调用外部能力,还是委托远端任务
  10. 多 Agent:什么时候值得,什么时候是自找麻烦