一直以來都很少有人把“怎么從零做出一個(gè) AI Agent”這件事真正整理成一套誰都能看懂、照著就能上手的完整教程。如果你愿意花一點(diǎn)時(shí)間讀完這篇文章今天就有機(jī)會(huì)把自己的第一個(gè) Agent 做出來而且是一個(gè)真正對(duì)你有用的 Agent。因?yàn)闉榱恕白?Agent 而做 Agent”沒有意義重點(diǎn)是它到底能替你解決什么問題。所以作者做了什么他把來自 Anthropic、OpenAI以及網(wǎng)上其他研究者和實(shí)戰(zhàn)者的零散資料全部收攏起來再結(jié)合自己和 Claude 一起整理的理解拼成了一份給普通人看的完整入門課。目標(biāo)很明確不是講概念炫技而是讓你今天就能開始做。這篇文章很長但結(jié)構(gòu)非常清楚。為了方便你跳著讀作者把全文拆成了 8 個(gè)部分每一部分都配了插圖你可以直接挑自己最關(guān)心的部分開始看Agent 是怎么工作的五種工作流如何搭建你的 Agent怎么使用工具怎么給 Agent 加記憶怎么讓 Agent 真正在現(xiàn)實(shí)里跑起來多 Agent最后的收束好直接開始。1AGENT 是怎么工作的這一部分很重要。你要是連這個(gè)都不知道就根本不知道自己到底需不需要 Agent。所以先從這里講起。所有 Agent 共用的核心循環(huán)是這樣的用戶輸入 → LLM 思考 → LLM 決定直接回答或者調(diào)用工具→ 如果調(diào)用了工具執(zhí)行工具把結(jié)果喂回去 → 重復(fù)LLM 是負(fù)責(zé)推理的“大腦”。工具是負(fù)責(zé)干活的“雙手”比如計(jì)算器、網(wǎng)頁搜索、文件讀寫。記憶則像一個(gè)“記事本”用來記錄前面發(fā)生過什么。無論你用的是 LangGraph、CrewAI、Anthropic 的 SDK還是 OpenAI 的 Agents SDK本質(zhì)上都只是把這個(gè)循環(huán)包裝得更方便而已它們沒有改變這個(gè)核心。增強(qiáng)型 LLM普通 LLM 只能吃進(jìn)文本再吐出文本。增強(qiáng)型 LLM 則多了三種能力工具模型可以調(diào)用的函數(shù)比如計(jì)算器、數(shù)據(jù)庫、API、文件操作等。Anthropic 和 OpenAI 都用 JSON Schema 來描述工具Anthropic 用的是input_schemaOpenAI 則把函數(shù)包在帶parameters的 function object 里。檢索能從外部來源拉取相關(guān)信息比如搜索引擎、文檔、向量數(shù)據(jù)庫。記憶能通過消息歷史或者其他持久化存儲(chǔ)在多輪交互中保留信息。工作流和真正的 Agent 有什么區(qū)別這兩者的區(qū)別在你決定怎么做的時(shí)候非常關(guān)鍵。工作流是確定性的執(zhí)行順序由你的代碼控制同樣的輸入總會(huì)走同樣的路徑。它很適合步驟固定、定義明確的任務(wù)而且更便宜因?yàn)?LLM 調(diào)用次數(shù)更少。Agent 則是動(dòng)態(tài)的下一步怎么做由 LLM 自己決定它還可能反復(fù)調(diào)用工具。它更適合開放型任務(wù)但成本也更高。對(duì)你來說判斷要不要做 Agent最好的起點(diǎn)通常不是直接上 Agent而是先從一個(gè)簡單工作流開始看看這個(gè)東西是否真的有必要繼續(xù)升級(jí)成自治 Agent。2五種核心工作流模式信不信由你大多數(shù)問題其實(shí)根本不需要“完全自治”的 Agent。Anthropic 文檔里總結(jié)的這五種模式已經(jīng)覆蓋了很多常見場(chǎng)景而且現(xiàn)在也被廣泛采用。每一種模式都依賴增強(qiáng)型 LLM。模式 1提示鏈Prompt Chaining它是什么把任務(wù)拆成一連串順序步驟。每一次 LLM 調(diào)用都處理前一步的輸出。步驟之間可以加程序化“關(guān)卡”來檢查質(zhì)量。什么時(shí)候用適合那些能清楚拆成固定子任務(wù)的工作。你用速度換準(zhǔn)確率因?yàn)槊恳淮?LLM 調(diào)用都更簡單。例子先生成營銷文案再把它翻譯出來先寫大綱確認(rèn)關(guān)鍵話題都覆蓋了再寫完整正文。模式 2路由Routing它是什么先給輸入做分類再把它送到對(duì)應(yīng)的專用處理器。每個(gè)處理器都有自己專門優(yōu)化過的提示詞。什么時(shí)候用當(dāng)不同類別的輸入需要完全不同的處理方式時(shí)?？头至骶褪亲罱?jīng)典的例子。模式 3并行化Parallelisation它是什么同時(shí)發(fā)起多次 LLM 調(diào)用。Sectioning 是把任務(wù)切成互不依賴的小塊并行處理Voting 則是讓同一個(gè)任務(wù)跑多次再把結(jié)果匯總以提高置信度。什么時(shí)候用當(dāng)子任務(wù)彼此獨(dú)立時(shí)用 Sectioning當(dāng)你需要對(duì)關(guān)鍵判斷做“集體表決”時(shí)用 Voting。模式 4協(xié)調(diào)者-執(zhí)行者Orchestrator-workers它是什么一個(gè)中心 LLM也就是協(xié)調(diào)者動(dòng)態(tài)拆解任務(wù)再把子任務(wù)分配給執(zhí)行者 LLM。和并行化不同的是這里的子任務(wù)不是你預(yù)先寫死的而是協(xié)調(diào)者在運(yùn)行時(shí)決定。什么時(shí)候用適合那些你事先沒法預(yù)測(cè)結(jié)構(gòu)的復(fù)雜任務(wù)比如跨多個(gè)文件的代碼生成、研究任務(wù)、寫報(bào)告等。模式 5評(píng)估者-優(yōu)化者Evaluator-optimiser它是什么一個(gè) LLM 先生成結(jié)果另一個(gè)來評(píng)估并給反饋。如果評(píng)估不過關(guān)反饋會(huì)回流給前者。這個(gè)循環(huán)會(huì)一直繼續(xù)直到質(zhì)量達(dá)標(biāo)。什么時(shí)候用當(dāng)你有明確的評(píng)判標(biāo)準(zhǔn)而且反復(fù)迭代確實(shí)能帶來明顯提升時(shí)比如翻譯、代碼生成和寫作任務(wù)。3搭建你的 Agent這才是你點(diǎn)開這篇文章真正想看的部分。開始吧。那到底怎么把“我想做一個(gè)能完成 XYZ 的 Agent”變成一個(gè)真正能跑的東西最容易理解的方法就是把它的工作寫清楚決定它需要哪些工具告訴模型該怎么表現(xiàn)用 5 個(gè)真實(shí)例子測(cè)試它只有在它失敗時(shí)再增加復(fù)雜度你不需要先精通五種框架才能做出第一個(gè) Agent。對(duì)我和你來說最適合入門的其實(shí)就是如果你想做一個(gè)像“能操作環(huán)境的助手”那樣的 Agent能用工具、文件、Shell 命令、網(wǎng)頁動(dòng)作而且很適合寫代碼那就選 Anthropic如果你想要一個(gè)更干凈的開發(fā)者 SDK自帶托管工具、任務(wù)交接、護(hù)欄而且更容易走向生產(chǎn)環(huán)境那就選 OpenAI這篇指南主要就圍繞這兩個(gè)來講。最簡單的心智模型當(dāng)你要搭建 Agent 時(shí)先回答這四個(gè)問題最終結(jié)果是什么這個(gè) Agent 最后到底要產(chǎn)出什么例子“研究一個(gè)主題并寫一份總結(jié)”“讀取我的筆記并把它們變成抽認(rèn)卡”“看客服請(qǐng)求并把它們分到正確的類別”“比較幾個(gè)產(chǎn)品并告訴我最好的選擇”“審閱我的內(nèi)容并按我的語氣重寫”它需要什么信息它需要網(wǎng)頁搜索、文件、數(shù)據(jù)庫、表格、CRM還是只需要用戶當(dāng)前發(fā)來的消息它被允許做什么動(dòng)作它只能回答還是可以搜索可以改文件可以發(fā)郵件可以寫代碼可以調(diào)用你自己寫的函數(shù)它必須遵守哪些規(guī)則包括語氣、格式、約束、安全規(guī)則、不確定時(shí)怎么處理以及什么樣才算“好”。只要你能把這四個(gè)問題答清楚通常一天之內(nèi)就能做出第一個(gè)版本的 Agent。一個(gè)稍后會(huì)展開的速成技巧把你的想法直接丟給 LLM讓它深度思考然后讓它替你把上面這四個(gè)問題都答出來。在真正動(dòng)手之前先用 AI 幫你把 Agent 設(shè)計(jì)清楚一個(gè)很實(shí)用的辦法是編碼之前先讓 Claude 或 ChatGPT 幫你把 Agent 定義清楚。你可以直接貼這樣的提示詞我想做一個(gè) AI Agent。我的目標(biāo)[描述你想讓它做什么]用戶會(huì)這樣提問[寫 5 個(gè)真實(shí)一點(diǎn)的例子]這個(gè) Agent 應(yīng)該能訪問[網(wǎng)頁搜索 / 文件 / 計(jì)算器 / 自定義 API / 其他都不要]它必須始終[列出不能妥協(xié)的規(guī)則]它絕不能[列出邊界]請(qǐng)把這些整理成1. 一份清晰的 Agent 規(guī)格說明2. 一段 system prompt3. 一份工具清單4. 第一版路線圖5. 10 個(gè)測(cè)試用例這一個(gè)提示詞就足以幫初學(xué)者把一個(gè)模糊想法變成可以真正落地的方案。一套適合新手的 Agent 設(shè)計(jì)公式每次都用這個(gè)結(jié)構(gòu)Agent 角色 目標(biāo) 工具 規(guī)則 輸出格式例子角色加密項(xiàng)目研究助手目標(biāo)找到準(zhǔn)確的信息并把它清楚總結(jié)出來工具網(wǎng)頁搜索、文件搜索、計(jì)算器規(guī)則要給出處不要亂猜遇到不確定的地方要標(biāo)出來輸出格式總結(jié)、風(fēng)險(xiǎn)、機(jī)會(huì)、最終結(jié)論這就是大多數(shù)實(shí)用 Agent 的地基。先從下面這五類新手 Agent 里選一種開始如果你是新手不要一上來就做多 Agent 群體系統(tǒng)。先從下面這五種之一開始研究型 Agent適合你想讓 Agent 去收集信息再做總結(jié)。例子“研究一下腳踝扭傷最好的康復(fù)訓(xùn)練”“查一下某個(gè)加密協(xié)議的最新進(jìn)展”“比較三臺(tái)筆記本電腦”需要網(wǎng)頁搜索如果你想讓它用你的文檔再加文件搜索清晰的輸出格式內(nèi)容型 Agent適合你想讓 Agent 寫作、改寫、總結(jié)或者轉(zhuǎn)換內(nèi)容形式。例子“把我的筆記整理成一封 newsletter”“按我的品牌語氣重寫這段文字”“總結(jié)這份會(huì)議紀(jì)要”需要通常只要一個(gè)強(qiáng)一點(diǎn)的 system prompt可選的文件訪問你偏好風(fēng)格的示例流程型 Agent適合你想讓 Agent 跑一個(gè)可重復(fù)的業(yè)務(wù)流程。例子“給客服工單分類”“把線索分配到正確類別”“檢查表單提交內(nèi)容并生成回復(fù)草稿”需要清晰的分類規(guī)則有時(shí)還需要自定義工具或 API 調(diào)用個(gè)人知識(shí) Agent適合你想讓 Agent 只基于你的文檔來回答問題。例子“只用我的 PDF 來回答”“搜索我的筆記并解釋這個(gè)主題”“找出所有提到這個(gè)客戶的地方”需要文件搜索或 RAG明確要求它必須基于提供的材料不要亂發(fā)揮操作型 Agent適合你想讓 Agent 在某個(gè)環(huán)境里真正采取動(dòng)作。例子“讀這些文件并修改它們”“上網(wǎng)搜索整理結(jié)果再保存成報(bào)告”“運(yùn)行 Shell 命令幫我調(diào)試代碼”需要工具權(quán)限強(qiáng)邊界的安全規(guī)則Anthropic怎么理解“做出第一個(gè) Agent”這件事如果你希望模型會(huì)用工具、能在環(huán)境里操作那 Anthropic 的 Agent 工具鏈會(huì)特別順手。Claude Code 在 2025 年 2 月發(fā)布之后 Claude Code SDK 又在 2025 年 9 月改名為 Claude Agent SDK。到 2026 年 3 月GitHub 上列出的當(dāng)前版本是 v0.1.50。什么時(shí)候 Anthropic 是個(gè)好選擇如果你想做一個(gè)這樣的 Agent就優(yōu)先選 Anthropic能讀、寫、改文件能用 Shell 命令能搜索網(wǎng)頁能使用 MCP 工具很適合編碼和技術(shù)任務(wù)用起來像一個(gè)會(huì)一步一步操作的能干助手你在 Anthropic 里實(shí)際上在做什么站在入門角度事情其實(shí)只有三步給 Claude 一個(gè)工作給 Claude 一些工具讓 Claude 循環(huán)下去直到任務(wù)完成就這么簡單。新手例子一個(gè)“研究并總結(jié)”的 Agent假設(shè)你想要的是“一個(gè)能幫我研究某個(gè)主題并寫出清晰報(bào)告的 Agent?！蹦悄愕拇罱ǚ桨笗?huì)像這樣角色高級(jí)研究助理目標(biāo)找到準(zhǔn)確的信息并把它清楚總結(jié)出來工具網(wǎng)頁搜索也許再加文件訪問規(guī)則引用來源不確定就明說保持簡潔輸出要點(diǎn)總結(jié) 關(guān)鍵風(fēng)險(xiǎn) 結(jié)論它就可以變成你的 system promptSYSTEM_PROMPT You are a careful research assistant.Your job is to help the user research topics accurately.Use tools when needed.Do not guess.If information is uncertain or incomplete, say so clearly.Always produce:1. Summary2. Key findings3. Risks or uncertainty4. Final conclusion現(xiàn)在用戶就可以問“研究一下最新的 AI Agent SDK”“比較一下 Anthropic 和 OpenAI哪個(gè)更適合新手做 Agent”“找 3 個(gè)強(qiáng)來源并總結(jié)一下”這已經(jīng)是一個(gè)真正能用的 Agent 了。新手例子一個(gè)基于文件的寫作 Agent也許你想做的是“讀取我的筆記然后按我的語氣把它改寫成一篇干凈的文章?！蹦悄愕脑O(shè)計(jì)就會(huì)變成角色寫作助手目標(biāo)把粗糙筆記打磨成成稿工具文件讀取也許再加文件寫入規(guī)則保留原意提升清晰度匹配語氣輸出最終文章 可選標(biāo)題建議這就比一個(gè)模糊的“內(nèi)容型 Agent”容易做得多。在開始做 Anthropic Agent 之前你應(yīng)該先問 AI 什么讓 LLM 幫你把方案定義清楚幫我設(shè)計(jì)一個(gè) Anthropic Agent。我的目標(biāo)是[goal]我希望這個(gè) Agent 能夠[list actions]我希望它使用這些工具[list tools]我希望最后輸出長這樣[format]請(qǐng)給我1. 一段強(qiáng)一點(diǎn)的 system prompt2. 一份最小工具清單3. 一個(gè)第一版 Python 示例4. 10 個(gè)測(cè)試提示詞5. 提高可靠性的建議通常這一個(gè)提示詞就能幫你把 80% 的工作先做出來。OpenAI怎么理解“做出第一個(gè) Agent”這件事OpenAI 在 2025 年 3 月 11 日發(fā)布了 Agents SDK同時(shí)還發(fā)布了 Responses API 和內(nèi)建工具比如網(wǎng)頁搜索、文件搜索、電腦操作。到 2026 年 3 月Python 包openai-agents的版本是 0.13.1。什么時(shí)候 OpenAI 是個(gè)好選擇如果你想要下面這些東西就優(yōu)先選 OpenAI一個(gè)非常干凈的 Agent API很容易接入自定義函數(shù)工具自帶托管工具專家 Agent 之間的任務(wù)交接護(hù)欄和追蹤從原型走向生產(chǎn)更順的路徑你在 OpenAI 里實(shí)際上在做什么站在入門角度這套東西其實(shí)也只有幾步創(chuàng)建一個(gè) Agent給它說明如果需要再加工具用真實(shí)用戶請(qǐng)求去跑它就是這樣。新手例子一個(gè)客服分流 Agent假設(shè)你的目標(biāo)是“讀取傳入的客服請(qǐng)求然后判斷它屬于賬單、技術(shù)還是銷售?！蹦撬鼤?huì)變成角色客服分流助手目標(biāo)正確給請(qǐng)求分類工具先不需要后面也許可以接 CRM 工具規(guī)則只能選一個(gè)類別簡短解釋原因輸出類別 原因代碼大概會(huì)像這樣from agents import Agent, Runneragent Agent( nameSupport Triage Agent, instructions\\\You classify customer requests.Choose exactly one category:- billing- technical- salesReply with:1. Category2. One sentence explaining why\\\,)result Runner.run_sync(agent,I was charged twice for my subscription this month.)print(result.final_output)這已經(jīng)是一個(gè)有實(shí)際用途的 Agent 了。新手例子加一個(gè)自定義工具現(xiàn)在假設(shè)你還想讓它“在需要的時(shí)候幫用戶做計(jì)算?！眆rom agents import Agent, Runner, function_toolfunction_tooldefcalculate(expression:str)-str:import math allowed {k: v for k, v in math.__dict__.items()ifnot k.startswith(__)}returnstr(eval(expression,{__builtins__:{}}, allowed))agent Agent( nameMath Helper, instructionsHelp the user solve maths problems. Use the calculator tool when needed., tools[calculate],)result Runner.run_sync(agent,What is compound growth on 10000 at 5 percent for 8 years?)print(result.final_output)這樣一來Agent 就不只是聊天了它會(huì)通過工具去真正采取動(dòng)作。新手例子使用托管工具OpenAI Agents SDK 也支持托管工具比如網(wǎng)頁搜索、文件搜索和代碼解釋器SDK 文檔里有對(duì)應(yīng)的輔助函數(shù)。對(duì)新手來說你可以把這些理解成“預(yù)制能力”直接掛到 Agent 上就行不用你自己從頭寫。這意味著你可以做出這樣的 Agent“去網(wǎng)上研究這個(gè)主題再總結(jié)給我”“搜索我的文件然后基于文件回答”“運(yùn)行代碼來分析這些數(shù)據(jù)”在開始做 OpenAI Agent 之前你應(yīng)該先問 LLM 什么幫我設(shè)計(jì)一個(gè) OpenAI Agent。我的目標(biāo)[goal]我想讓它處理的任務(wù)[list tasks]我覺得它需要這些工具[list tools]輸出應(yīng)該長這樣[format]請(qǐng)給我1. 一段清晰的 Agent 指令2. 最簡單的第一版3. 如果需要工具再給一個(gè)帶工具的版本4. 10 個(gè)測(cè)試提示詞5. 常見失敗模式以及怎么修怎么把你的 Agent 真正定制成你想要的樣子這是新手最容易翻車的地方。很多人做出來的不是“具體 Agent”而是一個(gè)泛泛的通用助手。用這個(gè)檢查清單。把工作范圍縮窄差的寫法“幫我處理一些業(yè)務(wù)相關(guān)的事”好的寫法“把銷售電話總結(jié)成行動(dòng)點(diǎn)”“把線索分成熱、溫、冷”“研究加密項(xiàng)目輸出風(fēng)險(xiǎn)、催化因素和結(jié)論”定義輸出格式差的寫法“給我一個(gè)答案”好的寫法“返回總結(jié)、證據(jù)、風(fēng)險(xiǎn)、下一步”“返回 JSON字段包括 category、confidence、explanation”“按 5 個(gè)標(biāo)題輸出項(xiàng)目符號(hào)列表”給例子如果你在意語氣、結(jié)構(gòu)或者分類質(zhì)量例子會(huì)非常有幫助。你可以直接告訴模型“這里有 3 個(gè)好的輸出示例”“這里有 5 個(gè)請(qǐng)求分類示例”“就按這個(gè)風(fēng)格寫”只在真的需要時(shí)再加工具如果任務(wù)只是改寫筆記就別加網(wǎng)頁搜索。如果答案只應(yīng)該來自提示詞本身就別加文件訪問。每多一個(gè)工具復(fù)雜度就會(huì)上升一點(diǎn)。用真實(shí)提示詞測(cè)試而不是理想化提示詞要用真實(shí)用戶會(huì)打出來的那種亂糟糟輸入去測(cè)。不要只測(cè)這種“請(qǐng)分類這個(gè)技術(shù)問題”也要測(cè)這種“我的賬號(hào)出故障了而且一直在被扣費(fèi)我該怎么辦”這才是你真正看清自己的 Agent 到底在干嘛的時(shí)候。下面是你的搭建路徑第 1 步用一句話寫清這個(gè) Agent 是干什么的例子“我想做一個(gè)能把我的零散筆記整理成每周 newsletter 的 Agent?！钡?2 步讓 Claude 或 ChatGPT 幫你把它整理成一份 Agent 規(guī)格說明一段 system prompt一份工具清單10 個(gè)測(cè)試提示詞第 3 步做出最小可用版本不要一開始就上多 Agent。不要一開始就做復(fù)雜記憶。除非真的需要否則別急著上 RAG。第 4 步拿 10 個(gè)真實(shí)例子測(cè)試它第 5 步每次只改一個(gè)東西提示詞輸出結(jié)構(gòu)示例工具記憶檢索這個(gè)順序很重要。別把自己困在一大堆復(fù)雜東西里。避免這個(gè)常見錯(cuò)誤最大的錯(cuò)誤就是一開始就想做一個(gè)“全能超級(jí) Agent”。不要從下面這些開始網(wǎng)頁搜索文件搜索數(shù)據(jù)庫訪問記憶多 Agent 任務(wù)交接復(fù)雜護(hù)欄自定義儀表盤20 個(gè)工具應(yīng)該從這些開始一個(gè)工作一個(gè) Agent一段清晰提示詞最多一兩個(gè)工具5 到 10 個(gè)真實(shí)測(cè)試用例這才是最容易做成的路徑不要一開始就把自己復(fù)雜化。這一部分的實(shí)際收獲現(xiàn)在你已經(jīng)看完第 3 部分了。看到這里你應(yīng)該已經(jīng)能說出下面這些話我知道我的 Agent 是干什么的我知道它需要哪些工具我知道它必須遵守什么規(guī)則我知道輸出應(yīng)該長什么樣我知道該從 Anthropic 還是 OpenAI 開始我知道怎么用 AI 自己來幫我設(shè)計(jì)第一版4怎么使用工具這一點(diǎn)大多數(shù)人都搞錯(cuò)了。他們會(huì)覺得“工具越多Agent 就越聰明。”錯(cuò)。更好的工具才會(huì)帶來更聰明的 Agent。更少的工具通常也意味著更可靠的 Agent。理解工具最簡單的方法工具本質(zhì)上就是“AI 自己做不到所以要借外部能力來做的東西?！北热缬?jì)算數(shù)字搜網(wǎng)頁讀你的文件發(fā)郵件查數(shù)據(jù)庫第 1 步先問自己“這件事真的需要工具嗎”在你加任何東西之前先問模型只靠推理能不能回答還是它真的需要現(xiàn)實(shí)世界的數(shù)據(jù)或動(dòng)作例子不需要工具“改寫這封郵件”“總結(jié)這段文字”“解釋這個(gè)概念”需要工具“現(xiàn)在天氣怎么樣”“搜索最新新聞”“算一下復(fù)利”“從我的表格里把數(shù)據(jù)拉出來” 規(guī)則只要它需要外部數(shù)據(jù)或?qū)嶋H動(dòng)作就用工具不需要就別加第 2 步用 AI 幫你把工具想清楚我正在做一個(gè) AI Agent。我的目標(biāo)[describe goal]我覺得這個(gè) Agent 需要完成這些事[list actions]哪些事情需要工具我應(yīng)該做哪些工具請(qǐng)盡量保持簡單、夠用就好。返回1. 工具清單2. 每個(gè)工具的說明3. 每個(gè)工具需要哪些輸入這會(huì)幫你省掉很多時(shí)間。第 3 步保持簡單真的壞工具manage_files(action,file, destination, overwrite,format, permissions)好工具read_file(path)write_file(path, content)delete_file(path) 規(guī)則一個(gè)工具只做一件清楚的事第 4 步明確告訴 Agent什么時(shí)候該用這個(gè)工具這正是大多數(shù)人失敗的地方。差的寫法“計(jì)算工具”好的寫法“只要涉及數(shù)學(xué)運(yùn)算就使用這個(gè)工具。不要靠猜?！钡?5 步讓 Agent 出錯(cuò)然后把它修好用真實(shí)測(cè)試去跑比如“what’s 2^16”“calculate 7% growth over 10 years”如果它不用工具那就改工具描述工具用錯(cuò)了那就改輸入設(shè)計(jì)產(chǎn)生幻覺那就把規(guī)則寫得更嚴(yán)格你看到這里應(yīng)該已經(jīng)明白你不需要很多工具你可以用 AI 幫你設(shè)計(jì)工具工具越簡單Agent 越好工具說明往往比工具本身更重要好繼續(xù)。5給你的 Agent 加記憶很多人把這件事想得太復(fù)雜了。你其實(shí)只需要明白這一點(diǎn)記憶只有兩種短期記憶對(duì)話記憶也就是“到目前為止對(duì)話里說過什么”這個(gè)你默認(rèn)就已經(jīng)有了。長期記憶外部知識(shí)也就是“Agent 以后還能查到的東西”比如你的筆記PDF文檔數(shù)據(jù)庫你到底什么時(shí)候真的需要記憶問自己Agent 需要跨消息記住事情嗎如果要那就是短期記憶它需要用外部文檔嗎如果要那就是長期記憶否則大概率你根本不需要記憶第 1 步先讓 AI 幫你判斷到底需不需要我正在做一個(gè) AI Agent。我的目標(biāo)[goal]這個(gè) Agent 需要1. 對(duì)話記憶嗎2. 外部知識(shí)RAG嗎如果需要請(qǐng)解釋為什么。如果不需要也請(qǐng)解釋為什么。盡量說簡單一點(diǎn)。第 2 步你其實(shí)只有三種選擇選項(xiàng) A不要記憶從這里開始對(duì)大多數(shù)新手來說這是最好的起點(diǎn)70% 的使用場(chǎng)景都能靠它解決選項(xiàng) B對(duì)話記憶大多數(shù) SDK 本來就已經(jīng)處理好了只要?jiǎng)e重置消息就行選項(xiàng) C基于文件的記憶簡單版 RAG上傳文檔使用文件搜索工具第 3 步別一上來就用過頭很常見的錯(cuò)誤是先上向量數(shù)據(jù)庫再上 embeddings再上復(fù)雜流水線結(jié)果你甚至都還沒搞清楚自己到底需不需要這些。 規(guī)則如果你的 Agent 不加記憶也能正常工作那就別加好到第 5 部分結(jié)束你現(xiàn)在應(yīng)該知道大多數(shù) Agent 根本不需要復(fù)雜記憶先從簡單開始只有在真的出問題時(shí)再加記憶6怎么讓你的 Agent 真正在現(xiàn)實(shí)里跑起來這一部分決定了你的 Agent 最后到底會(huì)變成垃圾還是會(huì)真的很好用。很多 Agent 之所以一塌糊涂通常就是因?yàn)樘崾驹~寫得爛沒有測(cè)試期待不現(xiàn)實(shí)所以第 1 步用 AI 幫你生成測(cè)試用例我做了一個(gè) AI Agent它的目標(biāo)是[goal]請(qǐng)生成 15 個(gè)真實(shí)一點(diǎn)的用戶輸入- 要亂一點(diǎn)- 要模糊一點(diǎn)- 要像現(xiàn)實(shí)里人會(huì)打出來的話另外還要包括- 邊界情況- 容易混淆的輸入- 壞輸入第 2 步像真實(shí)用戶一樣測(cè)試不要測(cè)這種“請(qǐng)對(duì)該計(jì)費(fèi)請(qǐng)求進(jìn)行分類。”要測(cè)這種“搞什么鬼我怎么又被扣錢了”第 3 步每次只修一個(gè)點(diǎn)當(dāng)它失敗時(shí)問自己是提示詞不清楚嗎是輸出格式太模糊嗎是缺了工具嗎是缺了規(guī)則嗎第 4 步用 AI 幫你調(diào)試 Agent這是我的 Agent這是我的輸入[input]這是它的輸出[output]哪里出問題了我要怎么修請(qǐng)具體一點(diǎn)。第 5 步別太早發(fā)瘋式加復(fù)雜度在下面這些東西之前先忍住多個(gè) Agent復(fù)雜工作流自動(dòng)化流水線前提是你的簡單版本已經(jīng)能穩(wěn)定工作看到這里你應(yīng)該已經(jīng)明白測(cè)試就是一切AI 可以幫你調(diào)試它自己在加復(fù)雜度之前先把清晰度修好下一部分。7多個(gè) Agent這一塊特別容易把自己帶偏。很多人會(huì)覺得“Agent 越多就越強(qiáng)?！卞e(cuò)。先從一個(gè) Agent開始。永遠(yuǎn)先這樣做。只有在下面這些情況下你才需要多個(gè) Agent任務(wù)可以被明確拆開一個(gè) Agent 已經(jīng)明顯扛不住了不同角色真的差異很大真正需要多個(gè) Agent 的情況其實(shí)只有 3 種技能不同比如研究 Agent寫作 Agent流水線很清楚比如輸入 → 分析 → 寫作 → 輸出權(quán)限不同比如一個(gè) Agent 能讀數(shù)據(jù)一個(gè) Agent 能執(zhí)行動(dòng)作第 1 步先用 AI 幫你判斷到底需不需要多個(gè) Agent我做了一個(gè) AI Agent。它的工作是[describe]這應(yīng)該是1. 單個(gè) Agent2. 多個(gè) Agent如果是多個(gè)- 分別是什么角色- 為什么盡量保持簡單。最穩(wěn)妥的模式監(jiān)督者模式用戶 → 主 Agent →有需要時(shí)再調(diào)用其他 Agent不要從這些開始swarm多個(gè)代理同時(shí)跑、互相傳話、互相分工系統(tǒng)更像“一群代理自己協(xié)作完全自治的多 Agent 系統(tǒng)這些東西非常容易壞。第 2 步角色保持簡單差的寫法“帶有動(dòng)態(tài)認(rèn)知分層的 AI 戰(zhàn)略 Agent”好的寫法“研究 Agent”“寫作 Agent”第 3 步慢慢加先從1 個(gè) Agent然后最多到2 個(gè) Agent只有在你真的看見明確收益時(shí)再繼續(xù)往上加。這一部分的結(jié)論是什么大多數(shù)人根本不需要多個(gè) Agent一個(gè) Agent 加上好的工具通常就夠了只有被現(xiàn)實(shí)逼到的時(shí)候再加復(fù)雜度8給這篇文章收個(gè)尾這篇指南里最重要的洞見是Agent 在概念上其實(shí)很簡單但在落地上要求很高。那個(gè)核心循環(huán)也就是 LLM 思考、調(diào)用工具、重復(fù)執(zhí)行50 行 Python 就能寫出來。真正難的地方在于工具設(shè)計(jì)、錯(cuò)誤處理、評(píng)估以及你要知道什么時(shí)候更簡單的模式比如提示鏈、路由會(huì)比自治 Agent 更好用。給剛開始的人三個(gè)可以立刻執(zhí)行的建議先把最原始的 Agent 做出來。只有理解底層循環(huán)任何框架對(duì)你來說才不會(huì)顯得像魔法。你會(huì)更快定位問題也更知道該怎么選工具。從最簡單、但能跑通的模式開始。提示鏈能處理大多數(shù)多步驟任務(wù)。路由能處理大多數(shù)“先分類、再動(dòng)作”的流程。只有在你真的需要讓 LLM 自己動(dòng)態(tài)決定執(zhí)行路徑時(shí)再升級(jí)到自治 Agent。早點(diǎn)把精力花在工具設(shè)計(jì)和評(píng)估上。一個(gè)名字清楚、說明準(zhǔn)確、錯(cuò)誤信息結(jié)構(gòu)化的工具對(duì) Agent 表現(xiàn)的提升往往比你換模型或換框架更大。而 20 個(gè)高質(zhì)量測(cè)試用例能幫你抓到的 bug通常比你手工瞎試一通更多。這個(gè)領(lǐng)域變化非?？臁CP 在不到一年里就成了通用標(biāo)準(zhǔn)兩大主流提供方都推出了 Agent SDK新框架更是幾乎每個(gè)月都冒出來。但這篇指南里的基本面是穩(wěn)定的Agent 循環(huán)、五種工作流模式、好工具設(shè)計(jì)的原則以及“先從簡單開始”的紀(jì)律。把這些吃透你就能應(yīng)對(duì)后面冒出來的一切。你現(xiàn)在已經(jīng)可以開始做 Agent 了。最后嘮兩句為什么AI大模型成為越來越多程序員轉(zhuǎn)行就業(yè)、升職加薪的首選很簡單這些崗位缺人且高薪智聯(lián)招聘的最新數(shù)據(jù)給出了最直觀的印證2025年2月AI領(lǐng)域求職人數(shù)同比增幅突破200% 遠(yuǎn)超其他行業(yè)平均水平整個(gè)人工智能行業(yè)的求職增速達(dá)到33.4%位居各行業(yè)榜首其中人工智能工程師崗位的求職熱度更是飆升69.6%。AI產(chǎn)業(yè)的快速擴(kuò)張也讓人才供需矛盾愈發(fā)突出。麥肯錫報(bào)告明確預(yù)測(cè)到2030年中國AI專業(yè)人才需求將達(dá)600萬人人才缺口可能高達(dá)400萬人這一缺口不僅存在于核心技術(shù)領(lǐng)域更蔓延至產(chǎn)業(yè)應(yīng)用的各個(gè)環(huán)節(jié)。那0基礎(chǔ)普通人如何學(xué)習(xí)大模型 深耕科技一線十二載親歷技術(shù)浪潮變遷。我見證那些率先擁抱AI的同行如何建立起效率與薪資的代際優(yōu)勢(shì)。如今我將積累的大模型面試真題、獨(dú)家資料、技術(shù)報(bào)告與實(shí)戰(zhàn)路線系統(tǒng)整理分享于此為你掃清學(xué)習(xí)困惑共赴AI時(shí)代新程。我整理出這套 AI 大模型突圍資料包【允許白嫖】?從入門到精通的全套視頻教程?AI大模型學(xué)習(xí)路線圖0基礎(chǔ)到項(xiàng)目實(shí)戰(zhàn)僅需90天?大模型書籍與技術(shù)文檔PDF?各大廠大模型面試題目詳解?640套AI大模型報(bào)告合集?大模型入門實(shí)戰(zhàn)訓(xùn)練這份完整版的大模型 AI 學(xué)習(xí)和面試資料已經(jīng)上傳CSDN朋友們?nèi)绻枰梢晕⑿艗呙柘路紺SDN官方認(rèn)證二維碼免費(fèi)領(lǐng)取【保證100%免費(fèi)】①從入門到精通的全套視頻教程包含提示詞工程、RAG、Agent等技術(shù)點(diǎn)② AI大模型學(xué)習(xí)路線圖0基礎(chǔ)到項(xiàng)目實(shí)戰(zhàn)僅需90天全過程AI大模型學(xué)習(xí)路線③學(xué)習(xí)電子書籍和技術(shù)文檔市面上的大模型書籍確實(shí)太多了這些是我精選出來的④各大廠大模型面試題目詳解⑤640套AI大模型報(bào)告合集⑥大模型入門實(shí)戰(zhàn)訓(xùn)練如果說你是以下人群中的其中一類都可以來智泊AI學(xué)習(xí)人工智能找到高薪工作一次小小的“投資”換來的是終身受益應(yīng)屆畢業(yè)生?無工作經(jīng)驗(yàn)但想要系統(tǒng)學(xué)習(xí)AI大模型技術(shù)期待通過實(shí)戰(zhàn)項(xiàng)目掌握核心技術(shù)。零基礎(chǔ)轉(zhuǎn)型?非技術(shù)背景但關(guān)注AI應(yīng)用場(chǎng)景計(jì)劃通過低代碼工具實(shí)現(xiàn)“AI行業(yè)”跨界?。業(yè)務(wù)賦能 ?突破瓶頸傳統(tǒng)開發(fā)者Java/前端等學(xué)習(xí)Transformer架構(gòu)與LangChain框架向AI全棧工程師轉(zhuǎn)型?。獲取方式有需要的小伙伴可以保存圖片到wx掃描二v碼免費(fèi)領(lǐng)取【保證100%免費(fèi)】