知识文件夹

Agent基础

现代 Agent Engineering 学习路线：Agent基础

0 子目录6 文档

文档

6

Agent 基础推荐阅读Agent 基础推荐阅读一、工程入门 1. Datawhale Agent Learning Hub 先看 Stage 0～1 的 checklist，明确阶段产物，而不是只收藏链接。 2. Anthropic：Building effective agents 重点理解 workflow 与 agent 的边界、prompt chaining、routing、parallelization、orchestrator workers 2026/8/24 Agent 类型区分：Chatbot、Workflow、Agent 与 Multi-AgentAgent 类型区分：Chatbot、Workflow、Agent 与 Multi Agent 1. 四类系统的核心差异 Chatbot Chatbot 的主结构是“用户消息 → 模型生成 → 文本回复”。它可以保持对话历史，也可以做知识问答，但通常没有由模型自主选择的外部动作。判断关键不是 UI 是否像聊天，而是系统是否存在工具执行、环境反馈和多步状态迁移。适合：解释、改写、头脑风暴、低风险问答。主要风险：对话历史过长、事实幻觉、2026/8/24 Agent 基本循环：Observe → Think → Act → ObserveAgent 基本循环：Observe → Think → Act → Observe 1. Observe：把环境事实变成模型可消费的观察观察不仅是用户输入，还包括工具结果、文件变化、测试日志、页面 DOM、错误类型、剩余预算和权限状态。高质量观察应满足：结构清楚：区分数据、错误、元信息和证据来源。大小受控：大文件只返回相关片段、行号和摘要。可追溯：保留 tool call ID、路径、查询、时间和版本。避免伪事实：工2026/8/24 Agent 适用范围：什么时候使用，什么时候优先 WorkflowAgent 适用范围：什么时候使用，什么时候优先 Workflow 1. 适合 Agent 的任务特征路径依赖运行时信息例如修复陌生仓库问题：先读取日志，再定位源码，修改后根据测试反馈继续调整。后续步骤取决于前一步观察，很难提前穷举完整路径。工具多且组合开放研究助手可能需要搜索、浏览网页、下载论文、解析 PDF、筛选证据、生成报告。工具组合和调用次数由主题决定。成功标准可以验证 Agent 并不适合“目标完全模糊”的任务。理想2026/8/24 SWE Agent 基础概念与 ACISWE Agent 基础概念与 ACI SWE Agent（Software Engineering Agent，软件工程智能体）面向的不是“补全一段代码”，而是在真实或可复现的代码仓库环境中持续观察、采取动作、读取执行反馈，并交付可验证的软件变更。它是理解现代 Coding Agent 的重要入口：模型能力固然重要，但工具接口、上下文组织、执行环境和验证方式同样会显著影响最终结果。 1. 先区分三个相近名称 1.1 SWE Agent2026/8/24 Agent 统一工程模型与概念边界Agent 统一工程模型与概念边界 Freshness metadata last verified : 2026 08 24 version scope : stable engineering concepts source type : primary paper + engineering synthesis stability : stable concept 1. 十个概念各自回答什么概念核心问题生命周期不等同于 M2026/8/24