作者分享个人Agent开发学习历程从最初接触玩具项目到逐步完善为实用开发路线。核心内容围绕Agent基本概念AgentHarnessLLM、Harness关键模块Prompt/内存/工具调用等、主流框架LangGraph/AgentScope等学习建议展开。特别强调通过项目实践二次开发开源项目提升能力并针对面试准备提出系统化知识体系构建方法。最后探讨AI Coding本质是建立需求分析到测试验证的完整闭环而非单纯依赖AI代码生成。全文适合有一定后端基础者快速掌握Agent开发核心技能。Agent这块我个人是在今年年初开始接触的。当时买了一个Agent项目刚开始觉得挺有意思但现在回头来看那个项目基本就是一个“玩具项目”在上面花了不少时间实际收获却没有想象中那么大。不过也正是在这个项目的基础上我开始不断往里面增加新的模块慢慢把它从一个简单的Demo做得没那么“Toy”。后面又结合实际项目和面试中遇到的问题不断补充才逐渐把Agent开发这条学习路线理顺。我个人的Agent开发基本是边面试、边学习、边补项目所以如果你时间比较充裕完全可以按照自己的节奏把每个模块学得更深入一些。下面这套路线更适合已经有后端开发基础希望在几个月内建立Agent开发整体认知并具备项目实践能力的人。一、先搞清楚Agent到底是什么学习Agent开发之前第一件事情不是马上去学框架而是先搞清楚Agent到底是什么最简单的例子就是我们平时使用的Codex、Claude CodeCC等Coding Agent包括一些通过AI赋能的智能客服也可以归到Agent的范畴。我自己比较认同的一句话是Agent Harness LLM。如果你能够真正理解这句话我觉得基本就算入门了。Agent的设计目标是以大模型为核心让大模型能够更加高效、准确地完成具体业务任务。而Agent开发真正需要解决的问题就是围绕大模型去设计一个能够让它完成任务的Harness。也就是说LLM提供能力Harness负责把这种能力组织起来让模型能够感知环境、调用工具、管理上下文、执行任务并处理结果。Agent入门阶段我比较推荐先看《Hello Agent》先建立整体认知。除此之外Agent的设计范式也比较重要例如ReAct、Workflow、Plan Execute、Reflection等。至少要知道这些设计范式分别解决什么问题以及它们在任务执行过程中的基本流程。这部分不用一开始就研究得特别深但一定要先把概念和整体框架建立起来。二、真正需要重点学习的是Harness如果说LLM是Agent的大脑那么Harness更像是Agent的身体。LLM本身负责感知、推理和决策但一个真正能够完成复杂任务的Agent还需要Harness提供各种外部能力包括记忆、工具调用、沙箱、上下文管理、结果观察、失败重试等。从这个角度来看一个完整的Harness通常可以拆成几个比较重要的模块。第一Prompt / System Instruction。它决定Agent的角色、行为边界、输出格式以及整体行为方式。第二Memory / Context Management。它决定哪些信息应该进入上下文哪些信息需要压缩、缓存或者直接丢弃。对于长任务来说上下文管理本身就是一个非常重要的问题。第三Tool Calling。让模型能够调用外部能力例如搜索、数据库、代码执行、业务接口等。模型本身不会直接完成这些事情需要通过Tool把外部能力连接进来。第四Planning / Reflection。让模型能够对复杂任务进行拆解并且在执行过程中检查结果、发现问题和修正错误而不是一次性生成最终答案。第五RAG。让模型能够使用外部知识而不是完全依赖模型本身的训练参数。第六MCP / Plugin / Skill。这些机制可以让Agent的能力进一步模块化、标准化并且更方便扩展。如果想深入理解Harness怎么设计我比较推荐看Learn Claude Code。它的核心内容就是围绕Agent Harness展开可以帮助你从工程实现的角度理解一个真正能够干活的Agent到底需要哪些东西。可以把它简单理解成模型提供AgencyAgent产品则是模型 Harness。模型负责推理、决策和行动能力而Harness负责提供一个能够承载这些能力的“载具”。这一点我觉得非常重要因为很多人学习Agent的时候容易把注意力全部放在模型本身却忽略了真正决定Agent能不能完成复杂任务的还有外围的工程设计。三、Agent设计框架LangGraph、AutoGen、AgentScope都可以看理解Agent和Harness之后就可以开始学习具体的Agent开发框架了。这部分我比较推荐结合《Hello Agent》一起学习比如LangGraph、AutoGen、AgentScope等都可以作为学习和实践的对象。框架本身不是最终目的。你真正需要掌握的是一个Agent任务到底是怎么被组织和执行的。比如一个任务来了以后怎么拆成多个步骤不同节点之间怎么传递状态什么时候调用模型什么时候调用工具出现异常以后怎么处理多个Agent之间又应该怎么协作。当你把这些基本逻辑理解以后再去看不同框架会发现它们虽然实现方式不同但很多核心思想其实是相通的。所以这一阶段不要陷入“到底哪个框架最好”的讨论重点是通过框架把Agent的设计方式真正跑通。四、RAG、MCP、Skill、CLI本质上都是Harness设计中的能力模块到了这里就可以开始学习RAG、MCP、Skill、CLI等具体技术了。其中RAG的争议比较大我个人的理解是RAG本质上就是Retrieval-Augmented Generation也就是通过检索外部信息来增强模型生成能力。现在大家经常提到的RAG很多时候特指基于Embedding和向量数据库的检索方案这种形式在ToB知识库等场景里比较常见。但如果从更宽泛的概念来看只要是先检索相关信息再把检索结果交给模型辅助生成都可以从RAG的思路去理解。而在一些Agent产品里并不一定非要采用传统的向量检索方式。比如Coding Agent更多依赖文件搜索、代码搜索、工具调用等方式获取外部信息。所以学习RAG的时候不要把“RAG 向量数据库”完全画等号更重要的是理解Retrieval为什么存在以及它在整个Agent系统中解决什么问题。至于MCP、Skill、CLI我个人更倾向于把它们放到工具调用这一层去理解。它们本质上都是在帮助Agent扩展能力让原本一个整体的能力进一步模块化从而方便Agent调用和组合。具体怎么使用可以继续结合《Hello Agent》和Learn Claude Code里的案例去理解。五、不要只看教程最好找一个开源Agent进行二次开发我自己学习Agent的方式基本就是通过项目学习。最开始是在购买的项目基础上不断增加模块后来再结合《Hello Agent》和Learn Claude Code里面提到的记忆、工具等设计进行二次开发。如果你已经把前面的基础内容看过一遍我比较建议下一步直接找一些开源Agent项目进行二次开发。比如字节的DeerFlow或者Hermes Agent都可以作为学习和实践的对象。当然开源项目二次开发的难度会比跟着教程做Demo高很多所以大家可以根据自己的基础选择。如果暂时还没有能力直接改开源项目也可以先找一个相对完整的项目练手再逐步增加自己的模块。我现在回头看最开始那个“买来的Agent项目”虽然比较Toy但它最大的价值其实也在这里它给了我一个可以不断修改和试错的基础。真正的学习并不是把项目跑起来而是你开始问自己为什么这里要这么设计如果换一种方式会怎么样记忆应该怎么做上下文为什么需要压缩Tool调用失败怎么办Agent执行过程中出现错误怎么处理当你开始不断问这些问题的时候才算真正进入Agent开发。六、面试准备Agent设计、Harness、RAG、MCP这些都要形成自己的知识体系我个人在准备面试的过程中也整理了一套Agent相关的知识文档主要围绕几个方向Agent设计框架、设计范式、RAG、MCP、Harness以及面试中实际遇到的问题。这部分我比较建议大家不要单纯背“八股”。因为Agent面试很多时候会围绕你的项目展开面试官可能会从一个很简单的问题不断往下追。比如你说自己做过一个Agent他可能继续问为什么这么设计为什么使用这种Agent架构Memory怎么做的上下文过长怎么处理Tool调用失败怎么办RAG为什么这样设计为什么这里不用另外一种方案所以真正有价值的是把这些知识和自己的项目结合起来。如果你有需要我也整理了一份自己面试过程中使用的Agent知识文档里面主要包含Agent设计框架、设计范式、RAG、MCP、Harness以及一些面试中遇到的实际问题。需要的话 遛一句“333” 我会把资料发给你。七、AI Coding重点不是让AI替你写代码而是会写Spec并形成测试闭环除了Agent开发本身现在面试中也越来越容易遇到AI Coding相关考察。我个人的理解是AI Coding真正重要的不是单纯让AI帮你生成代码而是怎么写好Spec以及怎么建立完整的业务测试闭环。我比较推荐大家了解一下Superpowers这个Skill不过它比较消耗Token所以我个人并不推荐大家直接长期使用而是更建议把其中的一些思路理解清楚。目前AI Coding的考察大致可以分成笔试和面试两类。我自己没有做过笔试形式的AI Coding题主要经历的是阿里和腾讯面试中的AI Coding所以这里主要分享一下面试过程中我的一些体会。其中淘天的AI Coding面试给我的压力比较大一共涉及三个业务题分别是压测工具CLI、网关工具CLI和审批系统CLI每道题大约15分钟而且这15分钟还包括Coding Agent生成代码的时间。这种情况下真正重要的不是让AI直接开始写代码而是先把需求拆清楚。我当时比较关注的Prompt流程主要是1. 先进行需求分析和需求拆解明确业务目标和约束条件。2. 确定开发语言和技术栈。比如压测工具需要处理较高并发就可以根据具体需求考虑使用Go因为它在并发场景下有比较明显的优势。3. 优先完成需求的最小MVP。时间有限的情况下不要一开始就追求把所有边界情况全部覆盖先保证核心业务能够运行起来。4. 补充单元测试并输出测试报告。尤其要重点关注关键业务逻辑不能只看代码生成成功没有。传统产品经理正在成为下个被淘汰的“传统岗位”。过去画原型、写 PRD、跟进度的“传统技能包”在AI时代正迅速贬值。63% 的企业转型做 AI 产品当下的问题不再是“要不要学 AI ”而是“如何构建 AI 产品”。前段时间还跟字节、腾讯的资深 AI 产品经理沟通他们反馈在大量招人只要有 AI 相关的项目经验基本都能拿到面试机会而且领导很舍得给钱涨薪 40-60% 很正常01接下来的产品人得卷AI能力了如今AI大火行业极速发展的背后懂AI 产品人才却严重稀缺。这不是要你转技术岗而是要掌握构建 AI 产品的核心方法如何将你的领域知识转化为 AI 产品的核心竞争力如何用 AI 技术实现你的产品需求如何设计真正懂用户的 AI 交互体验……懂AI就是产品经理的“救命稻草”风口之下与其焦虑被行业淘汰不如先人一步享受AI技术带来的红利我把AI产品经理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】不限年龄不限岗位没有代码基础也能学现在扫码完课还送《AI产品面试题库》《AI大模型应用案例集》02掌握技术实战快速转型想成为一名卓越的AI大模型产品经理需要从技术、到项目实战的全方位转型指南**1**AI产品应用原理解析产品经理也能听懂对于产品经理来说如果你不懂技术做不了业务和AI大模型技术衔接、定义不了数据需求是没法完整的落地一个产品的本次课程专门面向产品经理人群解析当下最热门的AI产品应用的必备的「大模型」、「多模态」的实际应用和算法原理解析AI产品应用技术积累大模型能力简单易懂不需要会代码小白也能掌握大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手产品如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等2超全行业案例解析课程详细讲解现阶段大模型在各个行业和领域的应用现状包括零售与电商、教育、医疗、泛娱乐、法律等等10大行业详细讲解案例的思路、应用场景以及背后的技术原理、核心技术揭秘各个行业、场景的真实现状和未来产品的发展与机遇可以说讲解完一个案例就能积累一个AI产品实践的经验课程中所涉及到的实战项目都可以直接在自己的工作中使用让自己的产品/项目有可借鉴的成功案例3AI产品经理求职专项辅导课程中会系统的帮助大家拆解字节、腾讯、百度等大厂AI PM岗位JD关键词掌握AI PM高频面试题型与回答框架展示 AI 相关能力的关键技巧Prompt设计、模型评估、A/B测试、成本意识、与算法/工程协作经验To B类AI产品经理突出“行业理解 技术落地 商业闭环”能力的简历结构设计展示项目成果从客户需求洞察到技术方案设计展现端到产品思维如何评估To B AI产品的可行性、客户付费意愿与实施成本To C类AI产品经理拆解头部公司岗位JD将过往尽力转化为AI产品叙事逻辑从行业趋势、产品设计题、案例分析数据分析题、技术理解边界等全流程辅导面试避免无效海投、锁定最适合的AI产品岗位03本次课程全程直播讲解能直接对话大佬和专业助教不懂就问超详细的案例小白也能轻松get完课后还赠送《AI产品经理面试题库》、《AI大模型应用案例集》不断更新中……适合人群想转型AI产品经理、AI项目管理专家、AI产品解决方案等岗位想进行AI产品创业的创业者想成为制作AI产品的程序员想利用AI解决企业问题的管理岗想在AI方向寻找就业方向的毕业生AI方向前景广阔、待遇好目前很多产品人已经通过完整学习拿到大厂高薪offer收入嗷嗷涨我把AI产品经理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】