Agent 开发指南
欢迎来到 Agent（智能代理）开发专栏。
什么是 Agent
Agent（智能代理）是能够感知环境、做出决策并采取行动以实现特定目标的自主实体。在 AI 时代，Agent 通常指基于大语言模型（LLM）的智能代理，能够理解指令、规划任务、使用工具，并与环境交互。
Agent 的核心能力
- 感知：理解用户意图和环境状态
- 规划：制定达成目标的步骤
- 执行：调用工具和 API 完成任务
- 记忆：保持上下文和历史信息
- 反思：评估结果并优化策略
专栏内容
本专栏将涵盖以下主题：
基础篇
- Agent 架构设计原理
- Prompt 工程与 ReAct 模式
- 工具调用（Function Calling）
- 记忆系统设计
框架篇
- LangChain Agent 开发
- AutoGPT 与自主代理
- BabyAGI 任务规划
- 自定义 Agent 框架
进阶篇
- 多 Agent 协作系统
- Agent 的评估与优化
- 安全性与可控性
- RAG 增强型 Agent
实战篇
- 构建代码助手 Agent
- 构建运维自动化 Agent
- 构建数据分析 Agent
- 构建客服机器人 Agent
前沿技术
- MCP（Model Context Protocol）集成
- Agent 的长期记忆
- Agent 的自我进化
- 多模态 Agent
Agent 开发生态
- LLM 提供商：OpenAI、Anthropic、Google
- 开发框架：LangChain、LlamaIndex、Semantic Kernel
- 工具平台：Coze、Dify、FastGPT
- 协议标准：MCP、OpenAPI
推荐资源
文章列表
当前 Agent 相关内容分散在几个相邻专题里，可以按下面顺序阅读：
- MCP (Model Context Protocol) 完全指南 - 先理解模型如何连接工具和外部系统。
- RDS CLI 开发教程：Go + Cobra 从零开始 - 理解为什么 CLI 很适合作为 Agent 的工具边界。
- Skill 实战记录 - 记录一次 Codex + Skill + MCP 的真实工作流。
- OpenClaw 实战 - 一个浏览器自动化和业务流程结合的 Agent 场景。
后续写作计划
- ReAct 与 Plan-and-Execute 的差异。
- 工具 schema 设计：如何让模型稳定调用。
- Agent 记忆：短期上下文、长期笔记和可检索知识库。
- 评估与回放：如何判断 Agent 改动有没有变好。