00 · 导读与学习路径

本模块把「AI Agent」从一句流行词拆成一套可验证的原理体系：16 章教材 + 3 篇实操专题。每章回答四个问题——判定硬线是什么、机制怎么运转、真实标本长什么样、坑在哪里。

适用读者

天天在用 coding agent（Claude Code、ZCode、Cursor 等），但说不清「它到底为什么能自己干活」的使用者。
想给自己的系统（后台、内部工具、业务系统）加上 agent 能力的开发者：需要判定线与架构稿，而不是营销词。
被多智能体、MCP、RAG、上下文工程这些词轰炸，想建立一张稳定概念地图的学习者。

本模块的三个坚持

先给判定硬线，再讲机制。 每章开头先用一两句话划清「这是什么、不是什么」，概念边界不清，后面全糊。例如：模型在循环里自主决定下一步用什么工具、何时停，才是 agent；步骤在代码里写死的，再花哨也只是 workflow。
锚定真实标本。 每章拿一个真实系统解剖：本站日常使用的 coding agent（工具循环、todo 外化、权限模式都是现成教材）、本站自己的工具与部署脚本、以及站长的业务系统（进销存、CRM）。概念只有挂在你天天碰的东西上，才真正属于你。
坑与红线并列。 知识如果不标出「在这里会摔跤」，等于没讲。每章末尾有「常见误区与坑」，第 16 章是全模块的坑速查总表。

学习路径建议

目标	路径
完整体系	01 → 16 顺序学，每章配合页面自测与深读版
说不清 agent 和聊天机器人区别	01 → 04（循环）→ 05（工具），这三章是地基
想给自己的系统加 agent 能力	05 → 06 → 14（安全）→ 专题 S1（落地设计稿）
被长会话「失忆」困扰	07（上下文工程）→ 08（记忆）→ 09（RAG）
纠结要不要上多智能体	10 → 11，先看第 11 章的判定硬线再决定
关心成本与可控性	07（上下文经济学）→ 13（评测）→ 14（权限）→ 专题 S3（成本核算）
想动手写一个	直接读 15（从零实现 mini agent），再回各章补原理

章节地图

地基            01 什么是 Agent · 02 LLM 基础 · 03 提示词
运行核心        04 Agent 循环 · 05 工具使用 · 06 MCP 协议
上下文与记忆    07 上下文工程 · 08 记忆系统 · 09 RAG 检索增强
行为升级        10 规划与分解 · 11 多智能体 · 12 代码执行与计算机使用
工程化          13 评测与可观测性 · 14 安全与权限
整合            15 从零实现 mini agent · 16 常见坑速查
实操专题        S1 自然语言查询 agent 设计稿 · S2 把 Web Tools 包成 MCP · S3 成本核算

口径说明

术语以 2026 年业界主流口径为准：agent / workflow 的边界采 Anthropic《Building Effective Agents》一系口径；工具协议以 MCP（Model Context Protocol，2024-11 发布）为主干。
原理层的机制（循环、工具调用、上下文管理）在主流厂商之间高度一致，本模块不绑定某一家 API；示例代码用伪代码或 Python，接口形状以「消息数组 + 工具调用块」这一通行协议为准。
涉及具体产品行为（如某个 coding agent 的权限模式）以「这一类产品的通用设计」表述，细节以各产品当前文档为准。