一、遇见AI
不知不觉间，2025年已经结束，2026年正向我们昂首走来。
此刻，也许我们还在怀念DeepSeek-R1推理能力的高光时刻，也许我们还在对通用智能体Manus的出色表现念念不忘，也许我们还在感受Vibe Coding的火热与便捷，也许我们还在惊叹谷歌Veo 3.1生成的高保真视频效果，也许我们还在对Gemini 3.0强大的多模态处理能力赞不绝口，也许我们还在对Nano Banana Pro融入世界知识的精准绘制能力频频颔首，也许。。。。
毫无疑问，2025年的AI技术世界，精彩纷呈，硕果累累。AI技术迭代升级的速度之快也是史无前例的。 对于所有希望在AI技术领域谋求发展机会的人而言，新技术、新方法、新模型的出现，简直是应接不暇。 怎样才能在这个快速迭代升级的技术世界里游刃有余而不落后呢？
本文结合作者2025年的亲身经历和感受，聊聊自己对AI技术学习实践的一些粗浅认识，希望能够给各位读者带来一些启发。
二、学习AI
2.1 学习方法：LATL学习模型
纵观世界各种学习方法，似乎都未能超脱LATL学习模型的范畴。LATL学习模型包括三部分：学习、实践、和伴随学习-实践循环自始至终的思考（LATL：Learn，Action，Think in the Loop）。 学习是成长进步的阶梯，实践是提高本领的途径，思考是融合理论与实践的纽带。三者组成一个有机的整体，循环滚动，推动个体能力不断扩展。
坚持把LATL学习模型贯彻到AI技术学习实践中是我2025年的主导理念。下面详细的聊一聊在AI智能体开发这一领域中具体的做法。
2.2 学习内容
-
系统地学习一些AI课程
比如微软推出的开源课程《AI Agents for Beginners - A Course》。对于初学者来说，这是一部很好的入门课程。 再比如吴恩达推出的AI学习课程《Agentic AI》，提供了一套体系化的AI Agent工程方法论。 还有谷歌工程主管Antonio Gulli撰写的《Agentic Design Patterns》（智能体设计模式）。
-
学习先进的AI工程经验
例如Anthropic公司AI工程部门的博客，《Effective context engineering for AI agents》《How we built our multi-agent research system》等文章提供了构建Agent的有效的工程化方法。 再例如谷歌的AI技术白皮书《Agents》《Agents Companion》等。
-
阅读重要的AI研究论文
如：《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》 《Does Reinforcement Learning Really Incentivize ReasoningCapacity in LLMs Beyond the Base Model?》《RLPR: EXTRAPOLATINGRLVRTO GENERAL DO-MAINS WITHOUT VERIFIERS》等。
-
学习AI Agent开发框架
如LangChain/LangGraph、AutoGen、CrewAI、DSPy等。
-
学习AI Coding工具的使用
工欲善其事，必先利其器。2025年AI编程成为软件开发的主导力量。掌握AI Coding工具成为开发者的必备技能。 国内比较优秀的AI Coding工具如Trae，2025年推出了SOLO模式，可以根据用户意图，自主完成开发调试工作。 国外优秀的AI编程工具如Cursor、Claude Code等。
三、 实践AI
仅仅学习是远远不够的，你必须躬身入局。实际项目实践可以验证学习的效果，提升智能体构建能力，亦可以积累工程实施经验。实践项目来源可以是实际的用户需求；可以是学习课程过程中的一些小想法；也可能是学习别人的经验时萌生的一些创意；还可以从阅读研究论文中找到灵感。总之，想到后就努力动手去实现，不断积累实战经验，才能提升智能体开发能力。
3.1 实践项目
2025年，我主要开发了以下几个智能体项目：
- 带反思模式的简单问答系统
- 汽车4S店客户服务支持系统
- 深度研究系统SophonResearch
- 网络热点实时分析智能体
- 多模态深度检索报告生成系统
3.2 思考(Think in the Loop)
思考是一件伴随学习实践始终的行动。思考是灵魂主导，它决定你的方向、你的方式、你的能效。
当你学习一项技术，你必须清晰地思考它的内涵、它有哪些优点、有哪些局限？它适用哪些场景？技术实施成功的关键是什么？总之，带着问题去学习将极大提升你的学习效率。
同样，在实践中，你需要清晰地思考用户的真正需求是什么？什么样的设计方案才是最优的？有哪些技术可以用来支撑你的系统开发？你的效率还可以提升吗？
尽可能地从多角度、多层次思考问题，抓住本质核心，寻找不同的解决方案。如果可能，将这些思考记录下来，时常回顾，你会发现在这些思考中，有价值的东西正在诞生。
四、洞见AI
AI大势不可违，我们必须顺应形势、适应变化，有所作为。
4.1 开发者角色转变
2025年大模型在AI编程领域的能力有了革命性的突破。基于AI的Vibe Coding和Spec Coding火爆全球。根据GitHub的研究，AI生成的代码占全球代码产出的41~46%。根据腾讯研发数据报告，在腾讯50%的新增代码由AI生成。Anthropic CEO Dario Amodei预测：未来3-6个月，AI将编写90%的代码。12个月后，AI可能会包揽几乎全部的代码。OpenAI首席产品官Kevin Weil也放出豪言，到2025年底99%的代码由机器自动生成。
基于这种背景形势的判断，AI编码能力已经超越人类。软件开发者必须转变职能角色以适应行业变化。 传统软件开发者要由编码执行者向产品设计者、AI使用者、监督者、结果评估者转变。
4.2 大模型能力持续提升
2025年，各家厂商的大模型在推理能力、多模态能力等方面飞速前进。预测2026年，大模型底层结构改进，大模型各方面能力和效率将进一步提升。这将为开发更实用更贴合实际场景更有价值的智能体奠定基础。
4.3 长时运行智能体的突破与数字员工的大规模落地
当前AI领域一个越来越突出的现象是，各大厂商更多强调AI Agent能够连续运行数小时、整夜执行任务、无人值守。AI Agent的长时运行能力正驱动实际价值的创造。长时运行智能体是解决现实复杂问题和适应实际工作场景的关键能力。长时运行智能体的突破将为数字员工的真正落地提供必要条件。2026年或许将迎来数字员工的大规模投产使用，AI进一步替代人类工作。
4.4 具身智能体将迎来突破性发展，AI深入走进人类世界
未来，具身智能体将迎来突破性发展，AI深入走进人类世界。从数字员工演化为物理员工成为可能。
4.5 AI事故的出现不可避免
尽管人类在AI发展的过程中对AI的安全性已经足够重视并采取了诸多措施，但就像不存在没有Bug的软件系统一样，AI系统终究是百密一疏。然而一个具有智能的AI系统缺陷又不像一般的软件系统缺陷所带来的危害。对于这种负面影响，人类应该做好充足的预估和准备。
无论如何，AI技术在狂飙发展，世界必将迎来颠覆巨变。我们要快速跟上技术潮流，拥抱变化，才能拥有更美好的明天。