前置与目标

适合已有编程、模型调用、RAG 和评估基础的学习者。先检查各笔记页头的前置知识;缺基础时从 系统主线 或 RAG 与智能体工程 补读。

本路径用任务产物串起教材内容:任务契约、运行状态、上下文预算、来源与权限、事件时间线、评估集和更新记录。可以先用自制数据完成设计,再在具备环境和权限后实现。

八步的完成标准

每步留下可由另一人检查的记录。最终能够回答:谁可以触发动作、动作实际发生了什么、任务更新后哪些结果仍适用、系统怎样停止,以及改动是否在独立题集上有效。

Coding Agent、图检索、多 Agent、训练、语音与机器人实验需要各自的模型、软件或设备条件。阅读和设计完成不能登记为实验通过;实际成绩要包含版本、输入、完整输出、失败与成本。

来源与后续

固定版本、章节和实验入口见 教材资料卡。完成一个真实项目后,用 架构与面试路径 复盘容量、故障、权限与设计选择。

2026-10-10:按知识缺口组织八步阅读与验证任务,未执行上游模型或硬件实验。

  1. 01

    AI Agent 教材十章对照与知识补充

    验证任务:标记已有基础与缺口,确定一个边界明确的 Agent 任务。

  2. 02

    Harness 与 Coding Agent 的执行和验收

    验证任务:写修改范围、工具契约、失败出口和独立验收条件。

  3. 03

    Agent 上下文预算 Skills 与前缀缓存

    验证任务:分配上下文预算,设计技能触发反例并核对摘要保留信息。

  4. 04

    结构化记忆与知识索引的来源和权限

    验证任务:用自制记录比较细节、关系、权限和撤销后的查询。

  5. 05

    MCP:协议、工具发现、版本与授权边界

    验证任务:区分发现与授权,列出当前接口版本、执行参数及权限检查。

  6. 06

    事件驱动 Agent 的取消与交互状态

    验证任务:写出乱序、重复、任务修订、取消与重启的事件时间线。

  7. 07

    Agent 评估指标 轨迹边界与协作成本

    验证任务:固定任务、验证器和总预算,区分探索成功与重复可靠性。

  8. 08

    Agent 轨迹学习 后训练与持续改进

    验证任务:选择最小改动载体,用边界题和正常任务验收更新并准备回滚。