这篇也不错：

如何真正学好 AI 智能体

教程
别再追逐那些炒作了。这才是真正学好 AI 智能体的方法。

每个人都不断地问我要一个分步路线图。他们想要一份框架和课程的清单。这是一个陷阱。我构建这些系统已经很多年了，唯一有效的方法是按照正确的顺序学习这些概念。这与具体的工具无关，而是关于心智模型。

第 0 阶段：玩具
停止阅读教程。说真的。选择一个 PDF、你的简历、一篇维基百科文章或任何东西，然后构建一个可以回答关于它的问题的聊天机器人。使用 LangChain 或 Llamaindex。别担心用户界面。别担心它是否运行缓慢。你唯一的目标是理解一个提示（prompt）、一个上下文窗口（context window），以及一个大型语言模型（LLM）是如何协同工作的。你需要在体会到基础 RAG（检索增强生成）的局限性之后，才能欣赏到其他任何东西。

第 1 阶段：工具使用者
现在，给你的机器人一个单一的工具。一个计算器、一个天气 API，或任何东西。这就是你从一个搜索机器人转变为一个真正智能体的地方。真正的挑战不是调用 API，而是通过提示工程（prompt engineering）来让智能体可靠地理解何时使用工具，而不是仅仅编造一个答案。

第 2 阶段：编排者
一个智能体无法擅长所有事情。现在，构建一个由专业智能体组成的系统。一个编排者智能体（orchestrator agent）的唯一工作是接收一个请求，并将其路由给正确的专家，比如一个账单智能体、一个支持智能体等等。在这里，你简单的脚本变成了一个真正的系统，你被迫思考状态管理和智能体如何通信。

第 3 阶段：记忆
一个没有记忆的智能体只是一个函数调用。它无法进行真正的对话。现在，给你的智能体记忆。从简单的对话历史开始，然后转向向量数据库（vector database）以实现长期记忆。困难的部分不是存储记忆，而是只检索相关的部分，而不是让上下文窗口变得混乱。

第 4 阶段：护栏
这是大多数项目在现实世界中失败的地方。一个可以做任何事情的智能体就是一个可以做错任何事情的智能体。现在，你学习如何说“不”。构建硬性规则、输出验证和内容过滤器。在这里，你学习红队测试（red teaming）、评估框架（evaluation frameworks），以及让智能体说“我不知道”而不是撒谎的艺术。

第 X 阶段：现实世界
上面的一切都只是一个沙盒。现实世界从部署开始。你学习关于延迟（latency）、监控（monitoring）和可观察性（observability）。你构建反馈循环，让智能体从错误中学习。你处理数据隐私、合规性和用户信任。这个阶段永无止境。你只会在这个循环中不断进步。
就是这样。这就是道路。停止追逐完美的堆栈，开始按顺序解决这些问题。真正的技能存在于这些阶段之间的过渡之中。

点击图片查看原图

点击图片查看原图

点击图片查看原图