市面上的 Agent 教程，要么太浅、要么太碎。真正能让你从"我想做一个Agent"到"我做出了一个能用的 Agent"的完整路径，几乎找不到。

干脆自己动手了vibecoding一个出来。

把 Anthropic、OpenAI 还有各路高手的零散资料全部揉碎，和我的搭档 Claude 一起，硬是肝出了一套面向普通人的完整课程。目标就一个：学完就能动手，今天就做出你的第一个 Agent。

1. Agent 是怎么工作的

先搞清楚底层逻辑，不然你根本不知道为什么要用 Agent，以及什么时候该用 Agent。

所有 Agent 的核心循环都是一样的：

用户输入 → LLM 思考 → LLM 决定（回复还是调用工具）→ 如果调用工具：执行，把结果传回 → 重复

LLM 是"大脑"，负责推理。工具是"手"，负责执行具体动作（计算器、网页搜索、文件读写）。记忆是"笔记本"，记录已经发生的事情。不管你用 LangGraph、CrewAI、Anthropic 的 SDK 还是 OpenAI 的 Agents SDK，框架只是在这个循环上包了一层抽象，本质没变。

增强版 LLM

普通 LLM 输入文本、输出文本。增强版 LLM 加了三个能力：

• **工具（Tools）：**模型可以调用的函数，计算器、数据库、API、文件操作等。Anthropic 通过 input_schema 暴露工具，OpenAI 用 function 对象包装参数。
• **检索（Retrieval）：**从外部来源拉取相关信息，搜索引擎、文档、向量数据库。
• **记忆（Memory）：**通过消息历史或持久化存储，在多次交互中保留信息。

工作流 vs. 真正的 Agent

选型的时候搞清楚这个区别很重要。工作流是确定性的，你的代码控制执行流程，同样的输入永远走同一条路，适合步骤固定、定义明确的任务，成本也低。Agent 是动态的，LLM 自己决定下一步，可以反复调用工具，适合开放式任务，但成本更高。

正确的做法是：先用简单的工作流试试，看能不能满足需求，再考虑升级成完全自主的 Agent。

2. 五种工作流模式

大部分问题其实根本不需要 Agent 就能解决。这五个模式是 Anthropic 文档记录、被业界广泛采用的常见方案，每个都依赖增强版 LLM。

模式一：Prompt Chaining（链式提示）

把任务拆成顺序执行的步骤，每个 LLM 调用处理前一个的输出。在步骤之间加程序化的"门卫"来验证质量。

适用场景： 任务能干净地分解成固定子任务。用速度换精度，让每个 LLM 调用更简单。

例子： 生成营销文案再翻译。写大纲、验证覆盖了关键主题、再写完整文档。

模式二：Routing（路由）

对输入进行分类，然后分发给专门的处理器。每个处理器有自己的优化 prompt。

适用场景： 不同类别的输入需要完全不同的处理方式。客服工单分类是经典例子。

模式三：Parallelisation（并行化）

同时跑多个 LLM 调用。Sectioning 把任务拆成独立的子任务并行处理；Voting 跑同一个任务多次，聚合结果获得更高置信度。

适用场景： 子任务相互独立（sectioning），或者需要对关键决策达成共识（voting）。

模式四：Orchestrator-Workers（编排器-工作者）

一个中心 LLM（编排器）动态拆分任务，分发给 worker LLM。和并行化不同，子任务不是预定义的，编排器在运行时决定。

适用场景： 复杂任务，无法提前预知结构。跨多文件生成代码、研究任务、写报告。

模式五：Evaluator-Optimiser（评估器-优化器）

一个 LLM 生成输出，另一个评估并给出反馈。如果评估不通过，反馈循环回去。反复直到满足质量标准。

适用场景： 有明确评估标准，迭代优化能带来可衡量价值的场景。翻译、代码生成、写作任务。

3. 构建你的第一个 Agent

这部分是文章的核心——怎么把"我想要一个 Agent 帮我做 XYZ"变成真实可用的东西。

最简单的心法就五步：

1. 把工作写下来
2. 决定它需要什么工具
3. 告诉模型怎么表现
4. 用 5 个真实例子测试
5. 只有失败了才加复杂度

你不需要同时掌握五个框架才能搭 Agent。对普通人来说，最好的起点就两个：

• **Anthropic：**如果你想要一个能操作文件、跑 shell 命令、做网页搜索、coding 能力强的"能干的操作员"
• **OpenAI：**如果你想要一个开发体验干净、有托管工具、handoffs、guardrails、能快速上生产的 SDK

这份指南主要讲这两个。

最简心智模型

构建 Agent 之前，先回答这四个问题：

1. 要达成什么结果？Agent 实际要产出什么？

例子：

• “研究一个主题并写摘要”
• “读我的笔记并转成卡片”
• “看支持工单并正确路由”
• “对比产品并给我最佳选项”
• “审核内容并用自己的风格重写”

2. 它需要什么信息？ 需要网页搜索、文件、数据库、表格、CRM，还是只要用户的消息？

3. 它可以执行什么操作？ 只能回答？只能搜索？可以改文件？可以发邮件？可以写代码？可以调用你自己的函数？

4. 它必须遵守什么规则？ 语气、格式、约束、安全规则、遇到不确定怎么办、"好"的标准是什么。

能清楚回答这四个问题，通常一天内就能搭出第一版 Agent。

用 AI 帮你设计 Agent

正式动手之前，先用 Claude 或 ChatGPT 帮你定义清晰。

粘贴类似这样的内容：

I want to build an AI agent.My goal:[描述你想要它做什么]The user will ask things like:[加5个真实例子]The agent should have access to:[网页搜索 / 文件 / 计算器 / 自定义 API / 其他]It must always:[列出不可妥协的规则]It must never:[列出边界]Please turn this into:1. A clear agent spec2. A system prompt3. A tool list4. A first version roadmap5. 10 test cases

这一个 prompt 就能把新手的模糊想法变成可执行的计划。

Agent 设计公式

每次设计都用这个结构：

Agent = 角色 + 目标 + 工具 + 规则 + 输出格式

例子：

• **角色：**加密项目研究助手
• **目标：**查找准确信息并清晰总结
• **工具：**网页搜索、文件搜索、计算器
• **规则：**引用来源、不猜测、标注不确定性
• **输出格式：**总结、风险、机会、最终判断

这就是大多数有用 Agent 的基础。

五种入门 Agent 类型

新手别一上来就搞多 Agent 集群。先从这五个里挑一个：

1. 研究 Agent

适用场景：想让 Agent 收集信息并总结。

例子：

• “研究脚踝扭伤最好的康复训练”
• “找某个加密协议的最新动态”
• “对比三款笔记本电脑”

需要的工具：网页搜索、如果用自己的文档还要文件搜索、清晰的输出格式。

2. 内容 Agent

适用场景：想让 Agent 写、改写、总结或转换内容。

例子：

• “把我的笔记转成通讯”
• “用我的品牌语气重写”
• “总结这个会议记录”

需要的工具：通常只要一个强的 system prompt，可选加文件访问、加你的风格示例。

3. 工作流 Agent

适用场景：想让 Agent 执行可重复的业务流程。

例子：

• “分类支持工单”
• “把线索路由到正确分类”
• “检查表单提交并生成回复草稿”

需要的工具：清晰的分类规则、有些场景还要自定义工具或 API 调用。

4. 个人知识 Agent

适用场景：想让 Agent 用你自己的文档回答问题。

例子：

• “只用我的 PDF 回答”
• “搜我的笔记并解释这个主题”
• “找出所有提到这个客户的 reference”

需要的工具：文件搜索或 RAG、清晰的指令让 Agent 严格基于提供的材料。

5. 操作 Agent

适用场景：想让 Agent 在某个环境中执行操作。

例子：

• “读这些文件并编辑”
• “搜网页、收集发现、保存报告”
• “跑 shell 命令并帮我 debug”

需要的工具：工具、权限、强的安全边界。

Anthropic：构建第一个 Agent 的最简路径

Anthropic 的 Agent 工具链在你需要模型使用工具、在某个环境中操作时特别顺手。Claude Code 2025 年 2 月上线，后来改名叫 Claude Agent SDK，2026 年 3 月 GitHub 最新 release 是 v0.1.50。

选 Anthropic 的场景：

优先选它如果你的 Agent 需要：

• 读、写、编辑文件
• 用 shell 命令
• 搜索网页
• 用 MCP 工具
• 做 coding 和技术活
• 像个能干的助手一样一步步操作

用 Anthropic 真正在做的事：

入门级来说，你就做了三件事：

1. 给 Claude 一个任务
2. 给 Claude 工具
3. 让 Claude 循环执行直到完成

没了。

入门例子：研究总结 Agent

假设你想要：

“一个能研究主题并给我写出干净报告的 Agent”

设计计划：

• **角色：**高级研究助手
• **目标：**查找准确信息并清晰总结
• **工具：**网页搜索，可选加文件访问
• **规则：**引用来源，说不确定的地方，保持简洁
• **输出：**要点总结 + 关键发现 + 风险或不确定性 + 最终结论

这就是你的 system prompt：

SYSTEM_PROMPT = '''You are a careful research assistant.Your job is to help the user research topics accurately.Use tools when needed.Do not guess.If information is uncertain or incomplete, say so clearly.Always produce:1. Summary2. Key findings3. Risks or uncertainty4. Final conclusion'''

然后用户可以问：

• “研究最新的 AI Agent SDK”
• “对比 Anthropic 和 OpenAI 哪个适合新手搭 Agent”
• “找三个强来源并总结”

这已经是一个可用的 Agent 了。

OpenAI：构建第一个 Agent 的最简路径

OpenAI 2025 年 3 月 11 日发布了 Agents SDK，配合 Responses API，内置了网页搜索、文件搜索、电脑操作等工具。Python 包 openai-agents 2026 年 3 月版本是 0.13.1。

选 OpenAI 的场景：

优先选它如果你的需求是：

• 一个非常干净的 Agent API
• 简单的自定义函数工具
• 内置托管工具
• specialist Agent 之间的 handoffs
• guardrails 和 tracing
• 从原型到生产的平滑路径

用 OpenAI 真正在做的事：

入门级来说，你就做了四件事：

1. 创建一个 Agent
2. 给他指令
3. 需要的话加工具
4. 用真实用户请求跑起来

没了。

入门例子：支持分类 Agent

假设你的目标是：

“读收到的支持请求，判断是billing、technical还是sales”

设计：

• **角色：**支持分类助手
• **目标：**正确分类请求
• **工具：**不用，后续可能加 CRM 工具
• **规则：**只选一个分类，简短解释原因
• **输出：**分类 + 原因

代码：

from agents import Agent, Runneragent = Agent(    name="Support Triage Agent",    instructions="""You classify customer requests.Choose exactly one category:- billing- technical- salesReply with:1. Category2. One sentence explaining why""",)result = Runner.run_sync(agent, "I was charged twice for my subscription this month.")print(result.final_output)

这已经是一个有用的 Agent 了。

入门例子：加一个自定义工具

假设你想要：

“在需要的时候帮用户计算值”

from agents import Agent, Runner, function_tool@function_tooldef calculate(expression: str) -> str:    import math    allowed = {k: v for k, v in math.__dict__.items() if not k.startswith("__")}    return str(eval(expression, {"__builtins__": {}}, allowed))agent = Agent(    name="Math Helper",    instructions="Help the user solve maths problems. Use the calculator tool when needed.",    tools=[calculate],)result = Runner.run_sync(agent, "What is compound growth on 10000 at 5 percent for 8 years?")print(result.final_output)

现在这个 Agent 不只是在聊天了，它在通过工具执行动作。

入门例子：用托管工具

OpenAI Agents SDK 也支持托管工具（网页搜索、文件搜索、代码解释器），新手可以理解成 SDK 文档里的"预建能力"，直接 attach 到 Agent 上，不用从头写。

这意味着你可以搭这样的 Agent：

• “搜这个主题的网页并总结”
• “搜我的文件并从中回答”
• “跑代码分析这个数据”

定制 Agent 的检查清单

新手常犯的错误是：搭了个通用助手，而不是具体的 Agent。

1. 把工作做窄

❌ 不好：“帮我处理业务的事”

✅ 好：

• “把销售通话总结成行动要点”
• “把线索分成热、温、冷”
• “研究加密项目并输出风险、催化剂、最终判断”

2. 定义输出格式

❌ 不好：“给我一个答案”

✅ 好：

• “返回：总结、证据、风险、下一步”
• “返回 JSON：category、confidence、explanation”
• “返回 bullet list，五个标题以下”

3. 给例子

想要特定语气、结构、分类质量的话，例子很有用。

告诉模型：

• “这是三个好输出的例子”
• “这是五个请求分类的例子”
• “用这个精确的风格写”

4.只在需要的时候加工具

任务只是改写笔记就别加网页搜索。答案应该只来自 prompt 就别加文件访问。每个额外工具都会增加复杂度。

5. 用真实 prompt 测试，不要用理想的测试

用真实用户会输入的那种混乱 prompt 测试。

不要只测试：

• “请分类这个技术问题”

也要测试：

• “my account is broken and i keep getting charged what do i do”

这才是你真正能看到 Agent 实际表现的地方。

你的构建路径

**Step 1：**写一句话描述 Agent 例子：“我想要一个 Agent，把我的粗糙笔记整理成干净的周报。”

**Step 2：**问 Claude 或 ChatGPT 帮你转成：

• Agent spec
• System prompt
• Tool list
• 10 个测试 prompt

**Step 3：**搭最小可运行版本 不要多 Agent。不要复杂记忆。除非必要，不要上 RAG。

**Step 4：**用 10 个真实例子测试

**Step 5：**一次改进一件事

• prompt
• 输出结构
• 例子
• 工具
• 记忆
• 检索

这个顺序很重要，别搞混。

不要犯这个错：

最大的错误是试图搭一个"万能超级 Agent"。

不要一上来就：

• 网页搜索
• 文件搜索
• 数据库访问
• 记忆
• 多 Agent handoffs
• 复杂 guardrails
• 自定义 dashboard
• 20 个工具

从这些开始：

• 一个任务
• 一个 Agent
• 一个清晰的 prompt
• 最多一两个工具
• 五到十个真实测试用例

不把自己搞复杂，这才是正确的路。

4. 怎么用好工具

大多数人都把这件事搞复杂了。

你只需要理解一件事：

工具就等于：“AI 自己做不到的事”

例子：

• 算数字
• 搜网页
• 读文件
• 发邮件
• 查数据库

Step 1：先问自己"这需要工具吗？"

加任何东西之前，先问：

• 模型能单靠推理回答这个问题吗？
• 还是需要现实世界的数据或动作？

不需要工具的例子：

• “改写这封邮件”
• “总结这段文字”
• “解释这个概念”

需要工具的例子：

• “现在天气怎么样？”
• “搜最新新闻”
• “算复利”
• “从我的表格拉数据”

👉 规则：需要外部数据或动作 → 用工具；不需要 → 别加

Step 2：用 AI 帮你设计工具

I am building an AI agent.My goal:[描述目标]Here is what I think the agent needs to do:[列出动作]Which of these require tools?What tools should I create?Keep them simple and minimal.Return:1. Tool list2. Tool descriptions3. Inputs required for each tool

这能帮你省很多时间。

Step 3：保持简单 stupid

❌ 差的工具：

manage_files(action, file, destination, overwrite, format, permissions)

✅ 好的工具：

read_file(path)write_file(path, content)delete_file(path)

👉 规则：一个工具 = 一个明确的任务

Step 4：告诉 Agent 什么时候用工具

这是大多数人失败的地方。

❌ 不好：“计算器工具”

✅ 好：“当需要数学的时候用这个工具。不允许猜测计算结果。”

Step 5：让 Agent 失败，然后修

用真实测试跑：

• “2^16 是多少”
• “算一下 10 年 7% 增长”

如果：

• 不使用工具 → 修描述
• 用得不对 → 修输入
• 产生幻觉 → 规则定严格点

5. 给 Agent 加记忆

这件事也被严重过度复杂化了。

你只需要理解两件事：

记忆就两种

1. 短时记忆（对话）

就是：“到目前为止说了什么”

你用默认配置就已经有了。

2. 长时记忆（外部知识）

就是：“Agent 以后可以查的东西”

例子：

• 你的笔记
• PDF
• 文档
• 数据库

什么时候真正需要记忆？

问自己：

• Agent 需要跨消息记住事情吗？→ 是 → 短时记忆
• 需要用外部文档吗？ → 是 → 长时记忆
• 否则 → 大概率不需要

Step 1：用 AI 帮你决定要不要加记忆

I am building an AI agent.My goal:[目标]Does this agent need:1. Conversation memory?2. External knowledge (RAG)?If yes, explain why.If no, explain why not.Keep it simple.

Step 2：你有三个选项

选项 A：不用记忆（先从这里开始）

• 大多数入门者的最佳选择
• 70% 的场景够用

选项 B：对话记忆

• 大多数 SDK 已经处理好了
• 只要别 reset 消息就行

选项 C：基于文件的记忆（简单 RAG）

• 上传文档
• 用文件搜索工具

Step 3：不要用力过猛

大错：

• 上向量数据库
• 上 embeddings
• 上复杂 pipeline

在甚至不知道是否需要之前就上这些。

👉 规则：如果 Agent 不用记忆就能工作 → 别加

6. 让 Agent 跑起来

这是 Agent 做得好不好、能不能用的关键。很多 Agent 做得很烂就是因为：

• prompt 写得差
• 不测试
• 期望不现实

Step 1：用 AI 生成测试用例

I built an AI agent with this goal:[目标]Create 15 realistic user inputs:- messy- vague- real-world styleAlso include:- edge cases- confusing inputs- bad inputs

Step 2：像真实用户那样测试

不要测：

“请分类这个billing请求”

要测：

“why tf did i get charged again”

Step 3：一次只修一件事

失败的时候问：

• prompt 不清楚？
• 输出格式模糊？
• 缺工具？
• 缺规则？

Step 4：用 AI debug 你的 Agent

Here is my agent:Here is what I asked:[input]Here is the output:[output]What went wrong?How do I fix it?Be specific.

Step 5：不要过早搞复杂

在以下条件满足之前，不要加：

• 多个 Agent
• 复杂工作流
• 自动化 pipeline

直到：你的简单版本能稳定工作

7. 多 Agent 协作

这件事很容易让你彻底跑偏。

有人觉得：“多 Agent = 更强”

错。

永远从一个 Agent 开始。

只有在以下情况才加更多：

• 任务明显可拆分
• 一个 Agent 扛不住
• 角色差异很大

需要多 Agent 的三种情况

1. 不同技能

例子：

• 研究 Agent
• 写作 Agent

2. 清晰 pipeline

例子：

• 输入 → 分析 → 写作 → 输出

3. 不同权限

例子：

• 一个 Agent 可以读数据
• 一个 Agent 可以执行动作

用 AI 帮你决定要不要多 Agent

I built an AI agent.Here is its job:[描述]Should this be:1. A single agent2. Multiple agentsIf multiple:- what roles?- why?Keep it simple.

最安全的模式

Supervisor 模式：

用户 → 主 Agent →（需要时调用其他 Agent）

不要一上来就用：

• swarm
• 完全自主的多 Agent 系统

这些很容易坏。

角色保持简单 stupid

❌ 不好：“AI 战略 Agent，带动态认知分层”

✅ 好：

• “研究 Agent”
• “写作 Agent”

慢速加 Agent

从：

• 1 个 Agent

然后：

• 最多 2 个 Agent

只有看到真实好处才扩展。

8. 收尾

这篇文章最重要的结论是：Agent 概念上简单，落地起来却要求很高。 Agent Loop（LLM 思考、调用工具、重复）50 行 Python 代码就能跑完。真正费功夫的是工具设计、错误处理、评估，以及知道什么时候该用更简单的模式（Prompt Chaining、Routing）而不是完全自主的 Agent。

三个可操作的结论

1. 先搭一个从零开始的 Agent

搞懂底层循环之后，每个框架对你来说都是透明的，而不是玄学。debug 问题的速度快得多，选工具也更明智。

2. 用能工作的最简单模式开始

Prompt Chain 能处理大多数多步任务。Routing 能处理大多数分类后执行的工作流。只有当你需要 LLM 动态决定执行路径的时候，才升级到自主 Agent。

3. 及早投资工具设计和评估

好工具的特征：名字清晰、描述精准、错误消息结构化。这三样东西对 Agent 性能的提升，比换模型或换框架有效得多。20 个好的测试用例，比大量人工测试能抓到更多 bug。

---

这个领域变化很快。MCP 不到一年就成了通用标准，两个大厂都出了 Agent SDK，新框架每月都在冒出来。但这份指南里的基础是稳定的：Agent Loop、五种工作流模式、好工具的设计原则，以及"从简单开始"的纪律。掌握这些，你就能适应接下来出现的一切。

你现在可以搭一个 Agent 了。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】