Agent 学习笔记 00：从聊天机器人到 Agent，先搭一张智能体应用地图

这本《从零开始学 Agent》给我的第一印象，是它没有把 Agent 写成一个孤立的热点概念。它从大语言模型、工具调用和记忆讲起，往后延伸到 RAG、上下文工程、Harness、Skill、多 Agent、通信协议、安全、部署，最后落到编程助手、数据分析 Agent 和多模态 Agent 三个项目。

这条路线很适合回答一个现实问题：为什么有些 Agent Demo 看起来很聪明，一上线就不稳定？因为“能让模型回答问题”只是起点，真正的系统还要解决状态、行动、权限、评估和运行成本。

先区分几个容易混淆的词

名称	主要职责	人在其中的位置
基座模型	根据上下文生成或判断	提供语言与推理能力
聊天产品	提供对话界面与服务	人主动提出问题
Agent	根据目标选择步骤并执行动作	人给目标，系统完成过程
Tool	让 Agent 访问外部世界	提供受限动作
Harness	约束、观察和保护 Agent	给 Agent 加运行边界
Trace	记录一次运行经过的步骤	支持排错和评估

如果只看到模型的回答，就容易把所有能力都归功于“模型很聪明”。但真实 Agent 的结果通常来自一条更长的链：模型做判断，工具提供事实，状态保存进度，程序负责校验，Harness 负责限制风险。

Agent 的基本循环

可以先用一个简化流程理解 Agent：

目标 -> 感知当前信息 -> 规划下一步 -> 调用工具 -> 观察结果
                                  -> 继续行动或结束

普通聊天通常只有“输入问题 -> 输出文字”两步。Agent 多了一个关键变化：输出不一定是给人的文字，也可能是一项动作。动作一旦会修改数据、发送消息或花费资源，系统的安全要求就完全不同了。

这本书的六段学习路线

第一段讲入门和模型基础，解决“Agent 是什么、模型能做什么”。第二段讲工具、记忆、规划、RAG、上下文和 Harness，解决“Agent 怎样完成复杂任务”。第三段讲 LangChain、LangGraph、OpenClaw、Claude Code 等框架和产品，解决“怎样把概念落到代码和系统”。

第四段进入多 Agent 和通信协议，第五段讨论评估、安全与生产部署，第六段用三个综合项目把前面的组件串起来。

我觉得这个顺序很重要：先理解能力边界，再学习框架写法；先能解释系统为什么工作，再讨论怎样把它部署上线。

我准备带着四个问题读

每篇笔记我都会反复追问四件事：

1. 数据从哪里来，哪些内容可以信任？
2. 当前状态保存在哪里，什么时候更新？
3. 下一步由固定工作流决定，还是由模型选择？
4. 出错、超时、越权或成本失控时，谁负责把它停下来？

这四个问题比记住某个框架的类名更重要。API 会变，模型会换，但系统边界不会因为换了 SDK 就自动消失。

读这本书的一个提醒

书中有些章节讨论快速变化的产品、框架和训练方法。阅读时我会把“书里的当前版本”与“我今天能运行的版本”分开：概念可以作为地图，代码必须再对照项目仓库和官方文档。

接下来先从 Agent 的定义和发展开始。只有弄清楚 Agent 和聊天机器人到底差在哪里，后面工具、记忆和规划这些能力才不会变成一堆孤立名词。

参考资料：《从零开始学 Agent》在线书籍，内容按 2026 年 8 月 19 日 GitHub 主分支版本整理。