THE AGENT DEVELOPER PATH
从基础出发，一步步构建 Agent
6 个阶段，18 节课程。先掌握原理，再用工具和框架解决真实问题。
一条主线，持续向前
Python 基础 → 模型应用 → 工具循环 → RAG → 工作流 → 可靠交付
每节约 15–40 分钟；项目课预留更长时间。零编程基础可在第 1 阶段补充 Python 官方教程。0%0 / 18 节已完成
学习进度自动保存在当前浏览器
01
FOUNDATIONS
认识 Agent，打好基础
从一个具体任务出发，理解 Agent 的工作方式，补齐 Python、HTTP 与大模型基础。
AI Agent 到底是什么？从查天气这个小任务，理解模型、工具、状态与决策循环。15 分钟够用就好的 Python 基础用函数、字典、JSON 和异常处理，搭出工具函数的最小骨架。30 分钟理解 LLM 与 API 请求看懂消息、Token 和 HTTP，从离线模拟走到第一次真实模型调用。40 分钟
阶段收获：运行你的第一个模型请求模拟器
02
PROMPT & OUTPUT
让模型稳定地完成任务
写清楚任务、提供恰当上下文，用结构化输出把自然语言接入程序。
把需求写成可执行的提示词从模糊愿望到任务、输入、约束和完成标准。25 分钟结构化输出与校验让模型输出 JSON，并在进入业务逻辑前检查格式与语义。30 分钟为任务组织正确的上下文控制上下文预算，保留相关信息，避免把整个聊天记录塞给模型。25 分钟
阶段收获：构建可验证的信息提取器
03
TOOLS & AGENT LOOP
给 Agent 一双手
把函数变成工具，亲手搭建有状态、有边界、能停止的 Agent 循环。
把 Python 函数变成工具设计工具名称、参数、返回值与执行边界。35 分钟亲手实现一个 Agent 循环从离线控制流到真实模型工具调用，连接决策、执行与观察。60 分钟项目：会使用工具的助手做一个库存与报价助手，验证工具选择、错误处理与停止条件。60 分钟
阶段收获：交付一个会使用工具的助手
04
RAG & MEMORY
连接你的知识与记忆
从文档检索到答案引用，让 Agent 基于证据回答，并记住真正有用的信息。
RAG：先找证据，再回答亲手做一个小型检索器，理解切块、召回与上下文拼接。35 分钟短期状态与长期记忆为会话状态、用户偏好和知识建立不同的生命周期。30 分钟项目：有据可查的知识助手将文档检索、证据引用和无答案回退组合成一个小产品。60 分钟
阶段收获：交付带来源引用的知识助手
05
WORKFLOW & MCP
编排可控的工作流
用状态机组织复杂任务，理解 MCP 协议，在关键操作前加入人工确认。
用状态机编排任务让研究任务经过计划、检索、审核和交付，支持从中断处恢复。35 分钟理解 MCP：统一工具连接方式认识 Host、Client 和 Server，读懂工具发现与调用过程。30 分钟人工确认与多 Agent 协作在必要处暂停，让专业分工建立在清晰交接和可检查结果上。30 分钟
阶段收获：搭建可恢复的研究工作流
06
EVALUATE & SHIP
从能跑到可靠交付
建立评估集，观察成本与失败原因，将你的 Agent 做成可持续改进的应用。
用评估代替感觉建立离线测试集，同时检查结果、轨迹、成本和延迟。35 分钟部署、观测与成本控制明确开发演示和线上服务的差距，记录每一次运行的关键指标。35 分钟毕业项目：可评估的研究助手围绕一个研究问题检索、引用、审核，用评估报告证明它的边界。90 分钟
阶段收获：交付可评估的研究助手