Agent 基础课程¶
用户问“这笔住宿能报吗”，助手答得很流畅。你再看一眼：它读的是去年制度，员工类别还认错了。接下来该查模型、检索，还是工具？这门课就从这些具体问题走进 Agent 的内部。
先理解机制，再手算或运行一次，最后用面试题检查能否解释清楚。需要 Python 函数、字典、异常和 JSON 基础；概率和向量知识在算例中按需补充。知识点会陆续登场，不会让十个缩写先堵在门口自我介绍。
本课程面向 AI Agent / 大模型应用工程师。学完应能独立画出 Agent 的执行边界，解释 token、检索、记忆和工具的区别，为一次任务设计可验证的终态。
贯穿案例是内部政策助手：检索当前员工有权限的有效制度，回答条件是否满足；缺证据时澄清，必要时按流程创建咨询工单。
按顺序学什么¶
| 章 | 内容 | 学完要交付的东西 | 关联复习 |
|---|---|---|---|
| 01 系统地图 | 模型、运行时、工具、状态、环境；Python/JSON/HTTP 入门 | 一张职责与数据流图 | Q001、Q007 |
| 02 大模型最小原理 | Token、自回归、Attention、KV、Embedding、训练与适配 | 复算注意力；区分参数、输入和输出 | Q002–Q006 |
| 03 提示与上下文 | 输入选择、预算、来源、摘要、数据与指令边界 | 一份不丢未知项的上下文包 | Q027、Q030 |
| 04 Agent 循环 | 观察、决策、校验、执行、状态和退出 | 读懂一条真实运行轨迹 | Q009–Q014 |
| 05 工具与 MCP | 参数合同、执行器、权限与协议角色 | 一个含错误与授权边界的工具合同 | Q025–Q029 |
| 06 RAG 与检索 | 入库、索引、召回、混合检索、重排、引用 | 复算融合排名；定位一次检索失败 | Q017–Q024 |
| 07 记忆与状态 | 会话状态、持久记忆、读写、失效、恢复 | 一条带来源与失效规则的记忆记录 | Q030–Q032、Q046 |
| 08 规划与多 Agent | ReAct、计划执行、反思、路由、协作与并发 | 一个有依赖和预算的任务图 | Q010–Q016 |
| 09 评测 | 检索/动作/终态指标、数据集、Judge、成本与延迟 | 复算指标并为 6 个任务写验收条件 | Q033–Q040 |
| 10 可靠性与安全 | 超时、结果未知、幂等、重试、注入、隔离 | 一张含对账与停止条件的故障状态表 | Q041–Q048 |
关联题号用于学后检验，完整答案见 92 题索引。基础与工程题也有详细解析、三个已答追问和实战案例；各学习章末尾可展开相关题目，题目中的“学习与参考”能跳回正文。术语表 用于遇到陌生词时回查，先不要把它当作需要背完的词表。
每一章怎样学习¶
- 阅读机制前，先用已有理解预测案例下一步会发生什么。
- 沿正文走完一个具体例子，自己检查输入、输出、状态和失败条件。
- 做“动手验收”，留下一张图、一次输出或一条测试证据。
- 闭卷回答自检，再展开参考答案；解释不清时回看相应机制。
- 最后选关联面试题口述，把术语变成能迁移的知识。
不要只问“我知道这个词吗”，也要问“输入缺失、权限变更、工具超时以后，我能预测系统会怎样吗”。
两组可以亲手运行的实验¶
阅读本身不需要安装软件；脚本需要 Python 3.10+，仅标准库、无密钥、无网络。在仓库根目录运行：
# 手工数值：Attention、余弦、RRF、检索指标
python3 examples/foundations/math_lab.py --section all
# 行动边界：正常读取、有限重试、批准/拒绝写入、循环终止
python3 examples/agent_lab/lab.py --scenario all
第一组是 数学机制实验，没有模型或语义向量生成；第二组是 执行器实验，用固定脚本替代模型决策。二者分别验证数值定义和执行合同。真实模型的理解、规划与工具选择需要另做实际调用评测。
建议的四周节奏¶
| 阶段 | 阅读 | 验收 |
|---|---|---|
| 第 1 周 | 01–03 | 画系统图、手算 Attention、制作上下文包 |
| 第 2 周 | 04–06 | 读 trace、写工具合同、融合两份检索排名 |
| 第 3 周 | 07–08 | 管理记忆版本、设计依赖图、说明协作成本 |
| 第 4 周 | 09–10 | 定义评测集、跑故障场景、做一次项目复盘 |
可按现有基础调整学习节奏。已有基础时可从自检开始，有缺口再回读。
参考资料与进阶学习¶
遇到陌生术语，可随手查 AI 编程字典；想换一种图解或工程案例继续理解，可访问作者的 Agent 技术博客。按当前问题选读，再回课程做练习，知识会更容易接上。
各章正文附有官方文档、协议和原论文，集中索引见 课程参考资料。外部课程的章节选择、依赖环境和阅读顺序见 学习资源深度调研。
学完后进入 12 章进阶课程，继续学习长任务 Harness、持久执行、上下文工程、Agentic RAG、多 Agent、计算机操作、性能与训练，并通过 项目工作坊串成一套系统。