外观
Agent 学习知识库
系统化学习 AI Agent 技术的个人知识库，涵盖基础理论、架构设计、开发实践到前沿探索。
核心概念速查表
| 概念 | 说明 |
|---|---|
| Agency 三元组 | 感知（Perception）→ 推理（Reasoning）→ 行动（Action），Agent 能力的三大支柱 |
| Agency 来自模型 | Agency 源自模型训练，而非外部代码编排——代码提供基础设施，模型负责决策 |
| Agent 产品公式 | Agent = Model（模型/驾驶者）+ Harness（载具/汽车） |
| Harness（载具） | 为模型提供能力通道的基础设施，负责上下文管理、工具执行等 |
| Model（驾驶者） | LLM 本身，负责感知、推理、决策等所有"智能"行为 |
| Agent Loop | 感知 → 推理 → 行动 → 观察 → 推理 … 的持续循环 |
| Tool Use | Agent 通过调用外部工具扩展能力边界（搜索、代码执行、API 调用等） |
Harness 五大职责
- 提供系统提示词（System Prompt）
- 管理上下文（Context Management）
- 提供工具定义（Tool Definitions）
- 执行工具调用（Tool Execution）
- 解析和展示结果（Result Parsing）
学习路径图
知识库目录结构
agent 学习/
├── README.md ← 总纲（本文件）
│
├── 01_基础理论/
│ ├── 01_Agency概念与Agent定义.md ← Agency 三元组、Agent 产品公式
│ ├── 02_LLM作为Agent核心.md ← LLM 的 Agent 能力、演进路径
│ └── diagrams/
│ ├── agent_概念对比.mmd ← Agent vs 传统自动化对比图
│ └── agent_决策循环.mmd ← Agent 决策循环状态图
│
├── 02_架构与设计模式/ ← Harness 架构、设计模式（待创建）
│
├── 03_开发实践/ ← Prompt 工程、工具开发、调试（待创建）
│
├── 04_案例分析/ ← Claude Code、Cursor 等产品分析（待创建）
│
└── 05_参考资源/ ← 论文、课程、文章索引（待创建）图表索引
| 文件 | 格式 | 说明 |
|---|---|---|
| agent_概念对比.mmd | Mermaid flowchart | AI Agent 与传统自动化系统的对比，突出适应性、自主性、学习能力的区别 |
| agent_决策循环.mmd | Mermaid stateDiagram | Agent 决策循环：接收输入 → 理解意图 → 推理规划 → 决策 → 工具调用 → 观察 → 循环 |
参考来源
GitHub 仓库
- anthropics/courses — Anthropic 官方 Agent 课程
- anthropics/anthropic-cookbook — Anthropic 实践指南
- modelcontextprotocol — MCP 协议官方仓库
视频课程
- 李宏毅 — AI Agent 课程 — 台大教授的 Agent 系列讲解
- Anthropic — Building Effective Agents — 官方 Agent 构建指南
技术文章
- Building Effective Agents — Anthropic Blog — Agent 设计最佳实践
- How Claude Code Works — learn-claude-code — Claude Code 架构解析
微信公众号 / 中文社区
- Agent 相关技术文章合集（持续收录中）
如何使用本知识库
- 按顺序学习：从
01_基础理论开始，逐步深入 - 查看图表：
.mmd文件可用 Mermaid 预览工具查看（VS Code 插件、GitHub 原生渲染等） - 记录笔记：每个文档末尾都有「我的理解与思考」区域，鼓励写下自己的理解
- 持续更新：随着学习深入，不断补充和修正内容