推文

@mr_mofun · 2026-10-10 13:07

如果今天从零开始学习AI Agents，我会刻意先放下一段时间，不去理会大多数框架。 真正让人难以理解的在于：LangGraph、CrewAI、AutoGen、Agents SDK、MCP、RAG这些东西其实处在不同的层次，但教程往往把它们讲成好像是在竞争回答同一个问题。 我会按下面的顺序学习基础原语： 1.一个模型 + 工具。 学习工具/函数调用、结构化的输入与输出，以及模型如何决定何时使用工具。 2.状态。 系统在不同步骤之间需要记住什么？哪些是权威状态（authoritative state），哪些只是对话上下文？ 3.一个简单的智能体循环。 目标 → 决定下一步行动 → 调用工具 → 观察结果 → 继续/停止。不用任何框架，亲手把它实现一遍。 4.围绕模型的确定性工作流。 重试、显式的终止状态、超时、权限、预算、人工审批、幂等性、日志/检查点。 5.验证。 不要只问“智能体说它成功了没有？”在可能的地方，学会用机械方式验证外部状态，并单独评估语义层面的质量。 6.只在智能体真正需要外部知识时才上RAG。 7.把 MCP 当作向模型暴露工具/资源的一种方式，而不是智能体架构的地基。 8.理解了以上全部之后，再学一个编排框架。 到那时，LangGraph、CrewAI之类的工具就变成了捷径，而不是黑魔法。 9.多智能体系统放在最后。 大多数问题并不会因为你多加几个智能体就变得更好了。只有当你能清楚地解释“为什么拆分角色确实有帮助”时，才值得再加一个角色。 我推荐的练习是：从零写一个无聊但完整的工作流。比如：接收一个任务 → 收集信息 → 产出结构化结果 → 校验它 → 仅在必要时询问人类 → 在工具调用失败后正确恢复。 如果你能把这个小系统里的状态、权限、重试和完成逻辑讲得明明白白，那你对智能体的理解，已经超过那个抄了十个框架教程的人。 框架变得很快。而这些基础原语不会。

曝光 123 · 评论 1 · 点赞 1 · 书签 0 · 曝光/时 47.169512582274216