接触《从零开始学 Agent》这本书的感想是：它没有把 Agent 当成一个独立的流行概念来写，而是从大语言模型、工具调用和记忆这些基础能力开始，逐步延伸到 RAG、上下文工程、Harness、Skill、多 Agent 协作、通信协议、安全与部署，最后用编程助手、数据分析 Agent 和多模态 Agent 三个项目收尾。
整条学习路径设计得很连贯，恰好能回答一个关键困惑：为什么很多 Agent 原型在演示时看起来很聪明，一旦上线就变得不稳定？因为"让模型回答用户问题"只是起点，一个真正可用的系统还需要解决状态管理、动作执行、权限控制、效果评估和运行成本这些工程问题。
区分容易混淆的几个概念
在深入之前，先把几个容易混淆的角色理清楚：
| 概念 | 主要职责 | 人处在什么位置 |
|---|---|---|
| 基座模型 | 根据上下文做生成或判断 | 提供语言与推理能力 |
| 聊天产品 | 提供对话界面和服务 | 人主动提问 |
| Agent | 根据目标选择步骤并执行动作 | 人给目标，系统完成过程 |
| Tool | 让 Agent 访问外部世界 | 提供受限操作 |
| Harness | 约束、观察和保护 Agent | 给 Agent 加上运行边界 |
| Trace | 记录一次运行的所有步骤 | 支持排错和评估 |
如果只看模型的回答，很容易把所有能力都归功于"模型本身很聪明"。但实际 Agent 的结果通常来自一条更长的处理链：模型做判断，工具提供事实依据，状态保存进度，程序代码负责校验，Harness 则限制风险点。
Agent 的核心运行循环
用一个简化的流程来理解 Agent 的运行方式：
目标 -> 感知当前信息 -> 规划下一步 -> 调用工具 -> 观察结果
-> 继续行动或结束
普通聊天交互只有"输入问题 → 输出文字"两步。Agent 则引入了一个关键变化：输出不一定是给用户看的文字，也可能是一个需要执行的动作。一旦动作可以修改数据、发送消息或消耗资源，系统对安全性的要求就完全不同了。
学习路线拆解
这本书的知识体系分成六段来组织：
第一段讲入门和模型基础，解决"Agent 是什么、模型能做什么"的基本认知。第二段深入工具、记忆、规划、RAG、上下文和 Harness 这些核心机制，解决"Agent 怎样完成复杂任务"的问题。第三段介绍 LangChain、LangGraph、OpenClaw、Claude Code 等框架和产品，解决"怎样把概念用代码落地"。
第四段进入多 Agent 和通信协议，第五段讨论评估、安全与生产部署，第六段用三个综合项目把前面所有组件串联起来。
这个渐进顺序很关键：先理解能力边界，再学习框架的具体写法；先能解释系统为什么能工作，再讨论如何把它部署上线。
带着四个问题去读
每篇学习笔记我都会反复追问四件事：
- 数据从哪里来，哪些内容可以信任？
- 当前状态保存在哪里，什么时候会被更新？
- 下一步应该由固定工作流决定，还是由模型自主选择？
- 出错、超时、越权或成本失控时，由谁来负责停下来？
这四个问题比记住某个框架的类名和 API 签名重要得多。API 会变，模型会换，但系统的边界问题不会因为换了 SDK 就自动消失。
阅读提醒
书中有些章节讨论快速变化的产品、框架和训练方法。阅读时应当把"书里写的当前版本"与"我实际能运行的版本"区分开：概念层面的知识可以作为地图来参考，但具体的代码实现必须对照项目仓库和官方文档来验证，避免因为版本差异而出错。
接下来从 Agent 的定义和发展历程开始。只有弄清楚 Agent 和普通聊天机器人到底差在哪里，后面关于工具、记忆和规划的能力才不会变成一堆孤立的名词，而能串成一个完整的认知体系。
参考资料：《从零开始学 Agent》在线书籍，内容按 2026 年 8 月 19 日 GitHub 主分支版本整理。
评论0