企业官网建设流程全解析

本文系统介绍了Agent学习的核心内容，包括Agent的定义、核心组件、学习路线等。文章详细阐述了通过大模型调用完成工具、记忆、规划的编排，并强调工程化的重要性。同时，推荐了Python语言和LangChain框架作为开发工具，并提供了LangGraph 101、Langchain-Chatchat等开源项目供读者参考学习。对于想要了解和掌握Agent开发的读者来说，本文是一份非常实用的学习指南。

这段时间一直通过一个叫做漫剧Agent的实战项目来学习Agent相关知识。

在这个过程中，我决定把整个我走过的Agent学习的路线也总结下来。

所以呢，就出现了下面这一系列文章。

首先，这一篇文章是Agent开发的一个总览，也就是我现在看到的Agent开发都涉及到了哪些模块。

一、Agent 是什么

Agent 是当前 AI 领域非常火热的概念，越来越多的开发者开始学习 Agent 开发。作为一个大龄程序员，我一直保持着学习的脚步。所以呢，也通过之前的漫剧Agent在做一些尝试。但是呢，以我一直以来的学习和工作习惯还是喜欢把一个事情系统化的总结下来，所以今天就系统的看一下Agent学习的路线。

名词解释：Agent 是一种基于大模型、能够根据用户指令执行复杂任务的程序。

它与传统 Chatbot 的核心区别在于执行能力。Chatbot 负责对话，根据输入生成文本回复，一问一答；而 Agent 则接收一个目标，通过大模型规划步骤、调用外部工具（API、数据库等）、处理中间结果，最终交付完成的任务。

• Agent

  = 大模型（LLM） + 工具（Tools） + 记忆（Memory） + 规划（Plan）

这个是目前大模型发展到现在最顺畅的一种和人沟通的方式了。如果我们想让AI真的能帮人做事的话，那么Agent就可以认为是一个比较好的形态。一个Agent我们认为它就是一个代理(这句话相当于是个废话,因为Agent翻译过来就是代理），那么代理做事情，无非就是用他的知识（LLM），使用他的工具（tool），借助他的历史经验（记忆），具体事情做好规划，这不就是Agent前面的公式吗？

Agent核心组件流程图

二、Agent 学习路线

其实学习Agent也是遵循刚才的核心组件，通过大模型的调用，完成工具、记忆、规划的编排，并通过一些工程化的限定，来补足大模型的不靠谱，也就是现在流行的Harness工程。

设想一下现在市面上比较火爆的编程Agent，比如说Claude Code、Codex，办公Agent，比如说Workbody、Could work，其实都在遵循这样的框架，底层通过一个牛X的大模型，外面加上各大厂优化后的Harness，提供给我们可用的Agent程序。

整个学习过程中，我们采用的主流开发语言：Python；推荐框架：LangChain，生态健全。

整体学习路线总览图

1、大模型基础与对话调用

这是所有 AI 应用的起点。必须掌握大模型 API 的调用方式，才能在此基础上构建更复杂的应用。

LLM API 调用（流式输出、多模态输入）

提示词工程

对话历史管理

2、工具调用与结构化输出

这是给 Agent 赋能的关键，让大模型不仅能生成文本，还能生成可解析的结构化数据，从而触发程序逻辑，为后续调用外部系统、执行任务提供可能。

Function Calling 原理

工具（Tool）的定义与注册

JSON Schema 约束输出

实现最小化的工具调用循环

3、RAG 检索增强生成

RAG 解决大模型知识截止的问题，让 Agent 能基于私有数据或实时信息回答。

RAG 核心流程：检索 -> 增强 -> 生成

向量数据库与 Embedding 模型

文档解析与索引构建

4、Agent 设计模式

掌握主流的 Agent 工作模式，才能根据不同场景选择最合适的架构。

ReAct 模式：Thought -> Action -> Observation 循环

Plan‑and‑Execute 模式：先规划后执行

Reflection 模式：自我反思与修正

5、Agent 记忆机制

让 Agent 能够处理长任务和多轮对话，保持上下文连贯。

短期记忆与长期记忆

上下文管理策略（滑动窗口、摘要压缩）

基于向量数据库的记忆存储与召回

6、工程化与兜底

Demo 能跑不代表能上线。生产环境中 Agent 容易出现各种故障，必须有工程化手段保证其稳定可靠。

Agent 常见故障：死循环、幻觉、误调用

可观测性与评估（Eval）

三、Agent 项目推荐

推荐几个开源项目，适合学习开发 Agent 时做参考。

1. LangGraph 101：https://github.com/langchain-ai/langgraph-101

LangGraph 官方入门示例项目，包含多个循序渐进的教程，适合学习复杂 Agent 工作流的构建。

2. Langchain‑Chatchat：https://github.com/chatchat-space/Langchain-Chatchat

基于 LangChain 的开源对话问答项目，演示了 RAG、多模型接入等实战应用，代码结构清晰，非常适合学习参考。

3. Claude Code：https://gitcode.com/GitHub_Trending/cl/claude-code

Claude 源码，无需多言。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】