完整Agent链路与架构对照
现代 Agent Engineering 学习路线：完整Agent链路与架构对照
0 子目录3 文档
文档
3完整 Agent 链路与框架推荐阅读完整 Agent 链路与框架推荐阅读 第一组：先建立控制模式 1. Anthropic：Building effective agents 对比 workflow 与 agent，并学习 prompt chaining、routing、parallelization、orchestrator workers、evaluator optimizer。 2. LangGraph：Workflows and agents 用可运行图理解条件边端到端 Agent 完整链路：从输入到证据化交付端到端 Agent 完整链路：从输入到证据化交付 一个可用的 Agent 不是单次模型请求，也不是只有 while + tool call 。完整系统需要把用户目标、上下文、计划、调度、模型决策、解析、执行、验证、恢复和交付连接成一条可观测链路。 1. 总体链路 这张图里有三种不同性质的组件： 模型决策 ：理解目标、提出计划、选择下一动作、综合结果； 确定性运行时 ：身份、schema、调度、权限、执行、预算、状态提交和验证； 持久化边权威 Agent 路线横向对照：共同链路、控制权与适用边界权威 Agent 路线横向对照：共同链路、控制权与适用边界 本章对照 Anthropic、OpenAI Agents SDK、LangChain/LangGraph、Google ADK、Microsoft Agent Framework 与 AutoGen 的官方材料。目的不是评选“唯一正确框架”，而是检查一条 Agent 学习路线是否遗漏关键层，并理解相似名词背后的控制权差异。 文档与框架会持续演进。本章以链接中的官方页面为准，关注