01
Agent 最小闭环
模型如何从一次回答变成可以行动的系统？
本阶段产物一个可运行、可观察的 Model–Tool–Observation 循环
AI AGENT / ORIGINAL STUDY MAP
从“会调用模型”，
走到“能交付系统”。
将原理型教材与工程型教程重新组织成一条可验证路线。每一阶段都要留下代码、实验、Trace 或评估结果，而不是只读完一篇文章。
10 原理章节133 工程文章13 融合模块
agent.loop.trace observable
- 01Input目标进入
- 02Context信息装配
- 03Model推理决策
- 04Action调用工具
- 05Observe读取结果
- 06Evaluate验证反馈
↳ 评估结果进入下一轮上下文
CHOOSE A ROUTE
同一套知识，三种走法
从 01 到 10 建立完整认知，适合第一次系统学习 Agent。
当前顺序：01 → 02 → 03 → 04 → 05 → 06 → 07 → 08 → 09 → 10LEARNING CONTRACT
不是章节目录，是交付清单
每个阶段都从一个工程问题开始，以一份可检查的学习产物结束。原始资料用于深读，路线与验收由本站原创设计。
02
上下文工程
有限上下文里，什么信息应该在什么时候进入模型？
本阶段产物一组可复现的上下文消融实验与结果记录
03
Memory 与 RAG
如何让系统记得住、找得到，并能说明答案依据？
本阶段产物带引用的检索回答、命中证据和失败样例
04
Tool、MCP 与 Skills
怎样把模型意图变成受约束、可审计的真实动作？
本阶段产物带 Schema、超时、错误分类和权限确认的工具
05
Agent Runtime
任务中断、失败或超长时，系统如何恢复并继续？
本阶段产物可持久化状态、检查点、重试和恢复流程
06
Coding Agent 与交互
Agent 如何安全地读写环境，并与长时间任务协作？
本阶段产物一个带变更预览与人工确认的文件或浏览器任务
07
评估与可观测性
怎样证明一次改动真的让 Agent 变好了？
本阶段产物小型评估集、Trace、指标与失败分类报告
08
训练与行为优化
什么时候应该改提示、改系统，什么时候才需要训练模型？
本阶段产物一份 SFT / RL / 不训练的选型说明或最小实验
09
持续进化
如何从真实失败轨迹中产生安全、可验证的改进？
本阶段产物失败回流、候选改进、离线验证和发布门禁流程
10
多 Agent 与生产项目
什么时候值得拆成多个 Agent，如何控制协作成本？
本阶段产物一个有角色边界、共享协议和验收证据的完整项目
SOURCE BOUNDARY
综合，不等于搬运。
本站用原创中文讲解重新组织学习顺序、练习与验收标准。所有学习入口留在本站，原作者与许可证统一记录在来源页。