1
专栏
Agent 学习路径
从 Agent 地图与第一周行动计划出发，串联设计模式、工具调用、工作流骨架与安全失败模式，构建可落地的 Agent 知识体系。
Agent更新于
14 篇文章0 人订阅 创建
专栏简介
Agent 是 AI 应用开发中复杂度最高、最容易踩坑的一层。本专栏按学习路径组织内容：先用 Agent 地图与第一周行动计划把最少概念串起来，让读者七天完成一个带工具、Trace 与评测的最小 Agent；接着进入设计模式层，覆盖从概念到落地的全景图、工作流骨架（提示链、路由、并行、规划）、外部世界接入（工具、MCP、知识检索）以及 ReAct 与 Plan-and-Solve 两类经典循环；再补齐 AI 应用全景地图、应用类型地图、Agent 基础认知、Tool Calling 深入、Workflow 基础、Agent 安全与失败模式、Multi-Agent 架构等基础篇目，帮助读者从能跑一个 Agent 升级到能设计、评测、运维一个 Agent 系统。内容迁移自 mindcarver/91ai 专题 docs/agent 目录。
文章目录
2
Agent 第一周行动计划
目标不是七天“学完 Agent”，而是七天拿到一个可运行、可解释、可复盘的最小闭环。每天只增加一个复杂度维度，避免同时引入框架、RAG、多 Agent 和生产基础设施。
3
4
5
工作流骨架：提示链、路由、并行与规划
当你第一次让 LLM 做复杂任务时，通常会经历这样的过程：写一个精心设计的提示词，满怀期待地运行，得到一个还凑合的结果，然后发现要么有错误，要么不够深入，要么完全跑题。于是你加大提示词，加入更多约束和示例，模型变好了，但仍然不够稳定。
6
7
ReAct：推理与行动的循环
ReAct（Reasoning + Acting）是最经典的智能体设计模式，出自 2022 年的论文 ReAct: Synergizing Reasoning and Acting in Language Models（ICLR 2023…
8
Plan and Solve：先规划再执行
Plan and Solve 出自论文 Plan and Solve Prompting（Wang et al., ACL 2023），核心思路是"先想清楚全局，再按计划执行"。相比 ReAct 的"边想边做"，Plan and Solv…
9
AI 应用开发全景地图
理解 AI 应用开发，第一步不是急着写 Prompt，也不是先选框架，而是先建立一张足够完整的认知地图。只有先看清系统由哪些部分组成、不同架构各自解决什么问题，后面的建模、调用、编排、检索、评估和交付才不会变成零散拼凑。
10
Agent 基础认知
TL;DR: Agent 是围绕目标自主运行的 AI 执行系统。2025 年行业共识已从"一切皆 Agent"转向"能简单就简单"——先试 Workflow，只有当路径确实无法提前确定时才上 Agent。理解 Agent 的关键是七个核心…
11
Tool Calling 深入
TL;DR: Tool Calling 把模型的语言推理能力连接到外部系统的确定性能力。2025 年的关键变化是 MCP（Model Context Protocol）把工具调用从"硬编码"转向"动态发现"。工具设计的关键是 Schema…
12
Workflow 基础
TL;DR: Workflow 把复杂任务拆成可执行、可检查、可复用的步骤。2025 年 Anthropic 定义了五种 Workflow 模式（Prompt Chaining、Routing、Parallelization、Orches…
13
Agent 安全与失败模式
TL;DR: Agent 安全的核心不是让模型永远不犯错，而是让错误被限制、被发现、被记录、可恢复。2025 年 OWASP 发布了 Agent 专用安全清单（ASI Top 10），对 78 项研究的元分析显示现有 Prompt Inj…
14
Multi-Agent 架构
TL;DR: Multi Agent 解决的是"复杂任务中不同能力、上下文、责任混在一个 Agent 里会失控"。2025 年的共识：能用 Workflow 就不上 Agent，能用单 Agent 就不上 Multi Agent。多 Ag…