《深入理解 AI Agent》引言：Agent 时代与全书地图

一句话定位：全书总纲——核心公式 Agent = LLM + 上下文 + 工具、两大成功条件、十章地图与阅读路径。本页是 知识树总目录 的展开。

小白入门：什么是 AI Agent？

想象一下这样的场景：

• 你让 Cursor 帮你写代码，它自动搜索代码库、编辑多个文件、运行测试直到全部通过
• 你让 Deep Research 调研一个课题，它反复搜索网页、阅读论文，最后总结出一份完整报告
• 你让 Manus 操控浏览器帮你完成在线购物任务
• 你让豆包手机助手帮你在手机上订票、发消息
• 你让 Pine AI 替你打电话给运营商，协商降低账单——真的拿起电话和真人客服对话

这些就是 AI Agent。 它们不只是聊天机器人——聊天机器人只能跟你对话，而 Agent 能真正做事：搜索信息、操作软件、打电话、管理文件，甚至帮你处理真实的经济事务。

Agent 和聊天机器人有什么区别？

	聊天机器人	AI Agent
能做什么	只能对话，给你文字建议	能真正执行操作（搜索、编辑、打电话等）
有没有手脚	没有，只能说	有，能做
例子	早期的 ChatGPT	Cursor、Manus、Pine AI

一句话总结：聊天机器人是只会说不会做的助手，Agent 是既会说又会做的助手。

核心公式：Agent = LLM + 上下文 + 工具

全书最核心的公式只有一句话：

Agent = LLM + 上下文 + 工具

更直观地说，就是大脑 + 眼睛 + 手脚：

┌─────────────────────────────────────────────────────┐
│                    AI Agent 三要素                   │
│                                                     │
│   ┌─────────┐  ┌─────────┐  ┌─────────┐           │
│   │  LLM    │  │  上下文  │  │  工具    │           │
│   │  大脑   │  │  眼睛   │  │  手脚   │           │
│   │         │  │         │  │         │           │
│   │ 思考    │  │ 感知    │  │ 执行    │           │
│   │ 决策    │  │ 记忆    │  │ 操作    │           │
│   │ 规划    │  │ 知识    │  │ 协作    │           │
│   └─────────┘  └─────────┘  └─────────┘           │
│                                                     │
│   三者缺一不可：                                     │
│   没有大脑 → 无法思考决策                           │
│   没有眼睛 → 看不到信息，无法判断                   │
│   没有手脚 → 只能说不能做，不是真正的 Agent         │
└─────────────────────────────────────────────────────┘

• LLM（大脑）：负责理解、思考、规划和决策。就像人的大脑一样，它是 Agent 的智能核心
• 上下文（眼睛）：决定 Agent 能看到什么信息。包括指令、记忆、知识、对话历史。注意：上下文不仅包含环境信息和对话历史，还包含工具定义——也就是说 Agent 看到的信息中也包括了有哪些手脚可用
• 工具（手脚）：决定 Agent 能做什么事情。搜索网页、调用 API、操作数据库、编辑文件……

给懂强化学习的读者

如果你熟悉强化学习（RL），这三者也可以映射到 RL 的术语：

通俗说法	RL 术语	含义
LLM（大脑）	Policy（策略）	决策函数，决定在什么状态下做什么
上下文（眼睛）	Observation Space（观察空间）	Agent 能感知到的所有信息
工具（手脚）	Action Space（动作空间）	Agent 能执行的所有操作

三种说法对应同一个对象，只是表达层次不同。

作者的故事：从实践中提炼原则

本书作者李博杰是 Pine AI 的首席科学家。Pine 是一个特殊的 Agent 产品——它能代表用户与真人沟通，处理账单协商、退款投诉、订阅取消等涉及真实经济利益的复杂任务。

这类任务有什么特点？

• 持续时间长：一项任务可能跨越数小时甚至数周
• 多轮交涉：需要与多个利益相关方反复沟通
• 高风险：单个步骤的错误就可能造成实际经济损失
• 严格要求：必须保证关键数字准确、操作可控、始终维护用户利益

正是在这样的高压实战中，作者团队逐步形成了本书所强调的架构原则。而且有趣的是——这些方法在行业术语出现之前就已经在实践中使用了：

“早在 Skill 概念流行之前，我们就已经采用动态加载提示词的方法解决提示词无限膨胀的问题。”
“早在 harness 概念流行之前，我们就已经采用类似 Claude Code 的方法，解决模型工具调用不稳定的问题。”
“早在 loop engineering 概念流行之前，我们就在使用提议者-审核者（proposer-reviewer）的方法解决模型过早认为任务完成的问题。”

这就是本书最重要的方法论：实践在前，命名在后。Skill、Harness、Loop Engineering 等术语都是对既有工程实践的归纳，而非设计的起点。

两大成功条件

作者认为，要让 Agent 开发走在行业前沿，需要两个条件：

条件一：选择足够难的真实业务

选择对 Agent 能力上限提出足够高要求的真实业务，并持续获取真实反馈。

为什么？因为如果业务需求很容易被下一次模型升级覆盖，团队就很难积累稳定的系统设计原则。只有足够复杂的场景，才能持续暴露模型能力与业务要求之间的差距，促使团队构建 Harness（工程框架）来系统解决问题。

类比：就像健身——如果你只举 1kg 的哑铃，永远不会长肌肉。只有挑战足够重的重量，身体才会适应变强。

条件二：建立系统的评估机制

没有评估，就无法判断一次改动带来的提升究竟源于设计本身，还是仅仅来自随机波动。

评估把 Agent 的迭代从凭感觉转化为可比较、可复现的工程过程。第七章将专门讨论这套方法。

类比：就像减肥——如果不称体重、不量体脂，你怎么知道你的减肥方法是否有效？可能只是随机波动。

全书结构：十章地图

全书围绕两个相互衔接的问题组织：

┌─────────────────────────────────────────────────────────────────┐
│                    全书结构：构建 + 提升                          │
│                                                                 │
│  第一部分：如何构建 Agent（第1-6章）                             │
│  ┌──────────────────────────────────────────────────┐          │
│  │ Ch1 AI Agent入门  → 概念框架 + ReAct + Harness   │          │
│  │ Ch2 上下文工程     → 任务状态 + Prompt + 压缩     │          │
│  │ Ch3 用户记忆知识库 → 跨会话记忆 + RAG + 知识组织  │          │
│  │ Ch4 工具           → MCP + 感知执行 + 安全        │          │
│  │ Ch5 Coding Agent   → 代码生成 + 通用能力 + 自举   │          │
│  │ Ch6 交互           → 观察与动作空间的扩展         │          │
│  └──────────────────────────────────────────────────┘          │
│                                                                 │
│  第二部分：如何提升 Agent 能力（第7-10章）                       │
│  ┌──────────────────────────────────────────────────┐          │
│  │ Ch7 Agent评估     → 环境 + 指标 + 统计            │          │
│  │ Ch8 模型后训练    → SFT + RL + 奖励设计           │          │
│  │ Ch9 持续进化      → 经验 + 更新 + 发布回滚        │          │
│  │ Ch10 多Agent协作  → 分工 + 通信 + 协调            │          │
│  └──────────────────────────────────────────────────┘          │
│                                                                 │
│  评估提供反馈 → 后训练/持续进化/协作据此扩展能力                 │
└─────────────────────────────────────────────────────────────────┘

十章一句话主旨

章	主旨	难度
1	真实产品出发建立直观认知：核心公式 + ReAct 循环 + Harness 工程
2	上下文工程（全书最关键）：上下文就是消息列表；提示工程、Skills、状态栏、压缩、KV Cache
3	跨会话持久化：用户记忆四种格式、RAG 完整技术栈、Agentic RAG
4	工具即手脚：MCP 互操作标准、五类工具设计原则、执行安全机制
5	Coding Agent + 文件系统是通用 Agent 最核心技术基础
6	模态与时序两维扩展：异步事件驱动、语音、Computer Use、机器人
7	科学评估方法论：评估环境、数据集、LLM-as-a-Judge、选型闭环
8	后训练（SFT + RL）：SFT 记忆、RL 泛化数据与环境比算法更重要
9	持续进化：四种更新载体 + 灰度回滚
10	多 Agent 协作：上下文共享/隔离 × 对等/管理者/去中心化

贯穿全书的五个设计模式

这五个模式在全书每一章都会反复出现，是 Agent 设计的通用语法：

1. 提议者—审核者：产出和评判由两个不共享上下文的角色承担。就像写论文——作者写初稿，审稿人独立评审，自审不可靠
2. 渐进式披露：目录常驻、细节按需加载。就像图书馆——书架目录永远在，但具体书页只有你打开时才看到
3. 只增不改：可缓存、可重放、可审计。就像银行流水——只追加记录，不修改历史
4. 边界集 + 保留集：改与不该影响的两批样本都要测。就像修水管——修了厨房的水管，也要确认卫生间的水没坏
5. 最小 diff + 可回滚：让归因成为可能。就像版本控制——每次只改一小步，出问题立刻回退

阅读路径建议

你是谁	推荐路径
Agent 开发者	按章序通读全书，动手跑实验
时间有限	第 1 章（全局认知）+ 第 2 章（上下文工程）优先，KV Cache 深水区可后置
关注模型训练	第 8 章为主 + 第 7 章评估配合，先读 1-2 章打底

作者的强烈建议：“我强烈建议你动手跑一遍这些实验。AI Agent 是一个实践性极强的领域，很多设计上的直觉需要在动手调试的过程中才能真正建立起来。”

一个更宏大的视角

图灵奖得主、强化学习之父 Richard Sutton 曾说，宇宙演化经历了从尘埃到恒星、从恒星到生命、从生命到智能体的 4 个阶段。生物进化是盲目的——随机变异，自然选择。大多数生物并不理解自身的运作原理，也无法自主设计和改造自己。

而 Agent 是宇宙演化史上一种全新的存在：它能通过生成代码实现自举（bootstrap）和自我进化，就像一个程序员编写了另一个程序员，然后新的程序员又能继续编写下一个。

本书的使命：帮助你理解和掌握这种创造的原则。

不管底层模型如何升级，不管产品形态如何创新，几乎所有成功的 Agent 系统都遵循着相同的架构模式。这并非巧合——好的设计原则本就应该穿越模型的迭代周期，因为它们描述的不是某个模型的用法，而是智能系统与世界交互的基本模式。