Agent 开发实战

简介

• 来源：Andrew Ng Agentic AI 系列、LangGraph 官方文档、Anthropic Building Effective Agents
• 先修要求：Python 基础、了解 LLM API 调用、了解 RAG 基本概念
• 编程语言：Python
• 课程难度：🌟🌟🌟🌟
• 预计学时：30 小时 +

AI Agent 是当前 AI 应用开发最核心的方向。如果说 RAG 解决了"让模型知道什么"，Agent 解决的是"让模型做什么"——它能自主规划、使用工具、执行多步骤任务，而不只是回答问题。

一个 Agent 系统的核心组件： - LLM（大脑）：负责推理和决策 - 工具（手）：搜索、代码执行、API 调用、文件操作等 - 记忆（笔记本）：短期（对话历史）+ 长期（持久化知识） - 规划（思维链）：将复杂任务分解为可执行步骤

吴恩达在 2024-2025 年的系列课程中反复强调：Agentic 工作流是 AI 应用开发最重要的范式转变。从简单的单次 API 调用，到能自主完成多步骤任务的 Agent，这是 AI 工程师必须掌握的能力。

课程资源

• 课程：吴恩达 - AI Agents in LangGraph — 免费短期课程，LangGraph 框架实战
• 文档：LangGraph Documentation — 最主流的多智能体编排框架
• 文章：Anthropic - Building Effective Agents — Anthropic 官方 Agent 设计指南，必读

资源汇总

入门（理解 Agent 核心概念）：

• 吴恩da - Agentic Design Patterns (4 个课程) — 覆盖 Reflection、Tool Use、Planning、Multi-Agent 四大模式，强烈推荐
• Lilian Weng - LLM Powered Autonomous Agents — 最全面的 Agent 技术综述之一
• ReAct: Synergizing Reasoning and Acting in LLMs — ReAct 原论文，理解 Agent 推理+行动的基本范式

框架实战（选一个深入学习）：

• LangGraph — 基于状态图的 Agent 编排框架，支持循环、条件分支、人工介入，是目前最灵活的框架
• CrewAI — 面向多智能体协作的框架，角色分工明确，上手快
• AutoGen (Microsoft) — 微软开源的多智能体对话框架
• OpenAI Agents SDK — OpenAI 官方 Agent SDK，轻量级
• smolagents (HuggingFace) — 极简 Agent 框架，代码量少，适合学习原理

工具使用（Tool Use / Function Calling）：

• OpenAI Function Calling Guide — 理解 LLM 如何调用外部工具
• LangChain Tools & Toolkits — 丰富的预置工具集合
• MCP (Model Context Protocol) — Anthropic 推出的标准化工具协议，2025 年最重要的 Agent 基础设施

多智能体系统：

• 吴恩da - Multi-Agent Collaboration — CrewAI 框架 + 多智能体协作
• AutoGen Agent Chat — 多智能体对话与协作
• MetaGPT — 模拟软件公司多角色协作的 Agent 系统

记忆系统：

• LangMem (LangChain Memory) — LangChain 官方长期记忆解决方案
• Mem0 — 专为 AI Agent 设计的智能记忆层
• Letta (MemGPT) — 将操作系统内存管理思想引入 Agent 记忆

备注

Agent 开发的学习曲线比较陡，建议路线：先理解 ReAct 范式（推理+行动循环）→ 用 LangGraph 搭一个单 Agent → 加入工具调用 → 加入记忆 → 尝试多智能体协作。

不要一上来就用高级框架。先用纯 Python + OpenAI API 手写一个简单的 Agent（100行代码），理解每一步在发生什么，再用框架提升效率。这和学编程时先手写再用车库是一个道理。