为中文 Agent 开发者而建

把智能体
从概念做到上线

不追逐空泛热词。这里整理可执行的学习路径、框架选择和项目蓝图，帮助你理解、构建、评估并部署真正可用的 AI Agent。

打开架构实验室 浏览学习路径
  • 01 中文路径
  • 02 工程视角
  • 03 持续整理
04阶段学习路径
—精选开发资源
—可复用实践蓝图
∞持续更新与共建
LEARNING PATH / 学习路径

先建立系统，再选择工具

从大模型基础走到生产部署，每一阶段都有明确目标、关键问题和可交付成果。

  1. 01
    FOUNDATION

    理解 Agent 核心

    模型、提示词、结构化输出、工具调用和上下文窗口，是一切智能体系统的地基。

    • Function Calling
    • Prompt & Context
    • 基础评估
    第 1–2 周
  2. 02
    WORKFLOW

    构建可靠工作流

    用状态、路由和检查点把一次模型调用，升级为可恢复、可观测的任务流程。

    • 状态机
    • RAG 检索
    • 人工确认
    第 3–4 周
  3. 03
    SYSTEM

    设计多 Agent 系统

    只有任务确实需要专业分工时，才引入监督者、执行者与评审者之间的协作。

    • 任务分解
    • 角色协作
    • 失败回退
    第 5–6 周
  4. 04
    PRODUCTION

    评估、部署与运营

    把准确率、延迟、成本和安全边界纳入同一套工程闭环，让 Agent 长期稳定工作。

    • Tracing
    • 安全护栏
    • 成本监控
    持续迭代
TOOL MAP / 工具图谱

找到适合你的 Agent 工具

按问题选择框架，而不是为了框架创造问题。所有条目均提供清晰的适用场景。

正在读取资源库…

BUILD / 实践蓝图

从一个真实问题开始构建

不是演示玩具，而是可以继续扩展的系统蓝图：输入、流程、护栏和验收指标都应被定义。

ENGINEERING / 工程方法

好用的 Agent，
首先是可靠的软件

模型能力只是起点。真正决定系统质量的，是边界、反馈和可观测性。

提交你想讨论的问题
01 / BOUNDARY

明确自治边界

高风险操作必须确认；工具权限遵循最小化；失败时能够安全停止。

02 / EVALUATION

先定义怎样算成功

建立小而真实的评测集，用结果质量、完成率、延迟和成本共同判断。

03 / OBSERVABILITY

让每一步可以解释

记录状态流转、工具输入输出与重试路径，快速定位系统为何偏离目标。

04 / ITERATION

从工作流逐步演化

先用确定性流程解决大部分问题，再把真正需要判断的环节交给模型。

COMMUNITY / 加入交流

带着问题来，
带着可执行方案离开

告诉我们你正在学习的方向、遇到的工程难题，或希望平台整理的专题。每一条真实问题都会帮助这个社区变得更有用。

技术选型讨论 项目方案拆解 内容建议与共建

提交即表示你同意我们仅为回复本次问题保存这些信息。