最近半年 AI Agent 这词到处都是，GitHub 上相关项目动不动就几十万 Star，朋友圈天天这个炸了 那个爆火😂。但真要问一句「Agent 到底是什么？」，很多人答不上来，今天我就来扫个盲。
我这一年主要拿 Claude Code 改代码，Agent 用得多。这篇把这些概念理一理：从最基础的 Token，到多 Agent 协作，一共 16 个概念，自底向上分成 5 层。每个概念配一张图，再配几个按 GitHub Star / Fork 热度筛过的代表项目，看完能对 Agent 有个完整的认识。
先放一张全景图：
为什么要分层？因为 Agent 这些概念是一层一层垒起来的，下面的不懂，上面的就悬空。比如不懂 Token，就理解不了为什么会有上下文窗口这个限制。从底往上看一遍，整个脉络就清楚了。
第一层：基础底座
这一层是地基，看着不起眼，但后面会反复用到。三个概念。
Token：AI 只认数字
模型不认汉字也不认英文，它只认数字。你输入的一段话，会被分词器切成一个个小单元（叫 Token），每个对应一个数字，模型干的活就是对这些数字做运算。
Token 直接影响三件事：上下文能塞多少、API 怎么计费、回复有多快。这也是为什么 Claude Code 要弄个 CLAUDE.md 文件------把项目架构浓缩成几百行，而不是把整个代码库都塞进去，怕的就是上下文被无关内容占满。
要数 Token 的话，tiktoken（OpenAI 出的）最方便。想看更通用的分词器实现，也可以顺手看看 Hugging Face Tokenizers 和 SentencePiece。
训练：从通才到专家
你可能会好奇，为什么同一个模型，写代码的时候很聪明，问它冷门问题就开始瞎编？这跟训练有关。
训练分两步。第一步叫预训练，拿海量的通用数据（网页、书、代码）喂给它，让它学会语言和常识。这一步最烧钱，几万张显卡跑上几个月。第二步叫微调，用规模小但更专业的数据接着练，比如想让模型擅长写代码，就拿大量优质代码来微调。
打个比方，预训练像读本科，知识面广但都浅；微调像读研究生，在一个方向上钻深。
微调框架里 LLaMA-Factory（约 72K Star）最火，支持 LLaMA、Qwen 这些主流模型。偏训练加速可以看 Unsloth，偏 RLHF / SFT 流程可以看 TRL。
幻觉：它不是故意骗你
你大概也被 AI 一本正经地忽悠过。我问过一个模型，Spring 里有没有处理消息重试的注解，它信誓旦旦给了我一个 @AsyncRetryable，参数、用法讲得头头是道------结果加进代码编译就报错，这注解压根不存在。
这就是幻觉。原因在于大模型本质上是个概率预测器，它算的是「下一个词最可能是什么」，而不是「正确答案是什么」。所以它有时候会编出看起来挺合理、其实是错的内容。它不是坏了，是天生就这么运作。用的时候自己验证一下，别全信。
第二层：能力扩展
底座有了，模型已经是个合格的聊天机器人。但要变成能干活的 Agent，它得有记忆、会用工具、能查资料。这些能力基本都在这一层。
Context Engineering：2025 -26年比较火的概念
最近一年有个变化：大家不太提 Prompt Engineering（提示词工程）了，开始说 Context Engineering（上下文工程）。
以前的提示词工程，关心的是「这句话怎么写」。但 Agent 面对的是复杂任务，它需要的不只是一句提示词，而是整个信息环境：项目背景、之前做过什么决定、有哪些工具能用、输出要什么格式、有什么安全约束。把这些都系统地准备好，就是上下文工程。Maven 有份报告说得挺到位：大部分 Agent 失败，不是因为模型不行，是上下文没喂对。
RAG：让 AI 开卷考试
问大模型一个公司内部的问题，它经常瞎编，因为训练数据里没有你们公司的资料。
RAG（检索增强生成）的思路很简单：让它回答之前先查资料，相当于开卷考试。流程是------提问 → 把文本转成向量 → 在向量库里找最相关的内容 → 把找到的拼进提示词 → 交给模型生成回答。
RAG 也分代，最新的叫 Agentic RAG，不再傻乎乎检索一次就回答，而是让一个 Agent 来决定要不要查、查什么、要不要多查几轮。
框架标杆是 LlamaIndex（约 50K Star），主打深度文档理解的有 RAGFlow（约 83K Star），传统检索问答工程里 Haystack 也值得看。
记忆
你发现没，每开一个新的对话，AI 都不记得你是谁，上次聊的全忘。Agent 要干活就得有记忆：短期记忆管当前这摊事（太长会自动摘要），长期记忆把你的偏好存下来，下次直接用。相当于给它配了个笔记本，省得每次重新自我介绍。
Mem0（约 59K Star）专门做这个。如果想看更完整的长期记忆 / Agent 状态管理，可以看 Letta；偏记忆服务化可以看 Zep。
Tool Use：Agent 的手
Claude 是怎么「看到」你代码文件的？它不是自己打开文件看，而是调了一个叫 Read 的工具。这就是 Tool Use，也叫 Function Calling。
这里有个关键点：模型自己不执行函数，它只是决定「该调哪个函数」，真正执行的是外面的程序。理解了这个，下面 MCP 才好懂。
Computer Use / Browser Use：Agent 的眼睛
有些事没有 API 可以调，得像人一样去看屏幕、点按钮、填表单。Computer Use 让 Agent 能看屏幕截图、模拟鼠标键盘；Browser Use 更专注，专门操作浏览器。browser-use（约 99K Star）这个项目，Star 数比很多 Agent 框架都高，因为只要人能在浏览器里干的事，它都能干。工程里还经常搭配 Playwright 做浏览器自动化和回归验证。
MCP：统一接口
接一个新工具就得写一套代码，今天接数据库写一套，明天接文件系统又写一套，挺烦的。MCP（Model Context Protocol）就是来解决这个的，相当于 Function Calling 的标准化版本。
它的架构分三层：Host 是 AI 应用（比如 Claude Code），Client 负责在 Host 内部和外部通信，Server 是提供具体能力的工具服务。配的时候，就是声明每个 Server 能干啥。
MCP 管的是 Agent 怎么连工具，服务器合集可以看 awesome-mcp-servers（约 89K Star），官方服务器合集是 modelcontextprotocol/servers（约 87K Star）。至于 Agent 之间怎么通信，那是第四层 A2A 的事。
第三层：智能核心
能力和工具都有了，这层看 Agent 怎么把它们串起来完成任务。
Agent：从对话到执行
普通聊天是你问一句、它答一句。Agent 是你给个任务，它自己拆解、自己执行、自己检查，搞完给你结果。
一句话：Agent = 模型 + 规划 + 记忆 + 工具调用。它不是聊天框，是个能自己干活的角色。
跟普通对话对比一下：
| 普通对话 | Agent | |
|---|---|---|
| 交互 | 一问一答 | 给任务，自己搞定 |
| 工具 | 没有 | 能调外部工具 |
| 拆解 | 不拆，直接答 | 自己拆成多步 |
| 反馈 | 没有 | 做完看结果，不行重来 |
OpenClaw（约 379K Star）就是典型的 Agent。写代码这块，Claude Code 和 Cursor 是主流；如果想看 SDK 层怎么封装 Agent，可以看 OpenAI Agents SDK、Pydantic AI。
CoT 和推理模型：先想再答
CoT（思维链）就是让模型在给答案之前，先把推理过程写出来，逼它一步步想，别直接跳到结论。对数学、写代码这种需要多步推理的事，效果明显。
2024 年 OpenAI 的 o1 把这事推进了一步，出现了推理模型（o1、DeepSeek R1、Claude 的 extended thinking）------把长链推理直接练进模型里，不用你再写「一步一步想」，它自己就会。DeepSeek-R1 是开源推理模型的代表。
ReAct：想一步做一步
Agent 怎么完成一个复杂任务？不是一口气干完，而是「想一想、做一步、看看结果、再想下一步」，循环往复。
你可能会说，这不就是平时调试代码的流程吗？差不多，区别在于这个循环是 Agent 自己跑的，不用你在旁边一步步指挥。
编排框架里 LangGraph（约 35K Star）比较成熟。它背后的 LangChain 生态更大，但 LangGraph 更贴近 Agent 的状态机和循环编排。
反思
人做完题会检查一遍，Agent 也该会。反思就是生成之后再评估，根据反馈修正。分两种：一种是自己审自己，适合检查格式、有没有改错地方；另一种是丢进真实工具里验证，比如跑测试、编译看有没有报错。
Skill：岗位手册
Skill 是结构化的知识包，给 Agent 补充某个领域的流程和工具。模型本身像个聪明但不懂具体流程的新人，Skill 就像是给它的岗位手册，看完就知道这事该怎么干。
第四层：协作
一个人能力再强也有上限，2026 年比较热的方向是让多个 Agent 一起干活。
Multi-Agent：组队干活
产品拆需求、前后端并行、测试验收，一个人理论上全能干，实际干不过来，Agent 也一样。常见的编排有三种：顺序的（一个接一个，像流水线）、并行的（同时干，最后汇总）、层级的（一个主管拆活、底下的人各干各的）。
框架里 CrewAI（约 54K Star）比较简单，AutoGen（微软的，约 59K Star）更灵活，MetaGPT（约 69K Star）专门做多 Agent 软件开发。还有个热度很高的新项目 Paperclip（约 71K Star），主打"零人公司"------把 Agent 组织成一家公司，连 CEO、预算、组织架构都有。它本质还是多 Agent 编排框架；而且这项目 3 个月涨到 7 万 Star。足以看出热度火爆。
A2A：Agent 之间的通信协议
MCP 解决了 Agent 怎么调工具，但没解决 Agent 怎么跟另一个 Agent 说话。Google 2025 年推出了 A2A 协议来补这块------让不同框架、不同公司做的 Agent 能互相发现、通信、协作。
一句话区分：MCP 是 Agent 连工具的接口（像 USB-C），A2A 是 Agent 连 Agent 的协议（像蓝牙）。A2A 仓库在 A2A Protocol（24K+ Stars）。
第五层：工程实践
光有概念，Agent 在生产环境里跑不稳，还得靠工程手段兜底。
开发方式这几年也在变，大概三个阶段：
- Vibe Coding（氛围编程）：Karpathy 2025 年提的，用大白话描述要啥让 AI 写，适合做 demo。
- Context Engineering（上下文工程）：系统地管上下文，写 CLAUDE.md、配记忆、接 MCP。
- Agentic Engineering（Agent 工程化）：搭一套让 Agent 能稳定运行的工程底座，权限、沙箱、日志、测试都配上。
不想写代码也能搭 Agent 的话，Langflow（约 150K Star）、Dify（约 145K Star）和 Flowise（约 54K Star）可以可视化拖拽。
最后还有个概念叫 Loop Engineering（循环工程）。Claude Code 的负责人 Boris Cherny 说过一句话：「我现在不写提示词了，我的工作是写循环。」意思是把 Agent 干活看作一个循环------发现任务、分派、执行、验证、记录------工程师要设计的是这个循环本身。这套东西里干货和营销掺半，但「循环」这个视角确实给了个能落地的调试切入点。
概念和项目对照表
我按两个维度筛了一遍：先看项目和概念是否强相关，再看 GitHub Star / Fork 热度。Star 代表关注度，Fork 代表二次使用和改造的人多不多。数字是我写稿时从 GitHub API 查的，后面肯定会变，所以这里只保留到约数。
| 概念 | 推荐项目（按热度优先） | 适合看什么 | Star / Fork |
|---|---|---|---|
| Token / 分词 | tiktoken | OpenAI 模型 Token 计算 | 约 18.5K / 1.5K |
| Token / 分词 | SentencePiece | 经典子词分词算法 | 约 11.9K / 1.4K |
| Token / 分词 | Tokenizers | 高性能通用 tokenizer | 约 10.8K / 1.1K |
| 训练 / 微调 | LLaMA-Factory | 一站式微调主流开源模型 | 约 72.2K / 8.8K |
| 训练 / 微调 | Unsloth | 低成本、高速微调 | 约 66.6K / 6.0K |
| 训练 / 微调 | TRL | SFT、RLHF、偏好优化 | 约 18.7K / 2.8K |
| 推理模型 | DeepSeek-R1 | 开源推理模型代表 | 约 92.0K / 11.7K |
| RAG | RAGFlow | 文档解析 + RAG 工作流 | 约 82.9K / 9.6K |
| RAG | LlamaIndex | 数据连接、索引、检索编排 | 约 50.2K / 7.6K |
| RAG | Haystack | 传统检索问答工程框架 | 约 25.6K / 2.9K |
| 向量库 / 检索底座 | Chroma | 本地向量库和检索实验 | 约 28.4K / 2.3K |
| 记忆 | Mem0 | Agent 长短期记忆 | 约 58.7K / 6.7K |
| 记忆 | Letta | 长期记忆和有状态 Agent | 约 23.4K / 2.5K |
| 记忆 | Zep | 记忆服务化 | 约 4.7K / 0.6K |
| Tool Use / Agent SDK | OpenAI Agents SDK | Agent、工具调用、handoff 封装 | 约 27.2K / 4.2K |
| Tool Use / Agent SDK | Pydantic AI | 类型安全的 Agent 开发 | 约 17.8K / 2.2K |
| MCP | awesome-mcp-servers | MCP Server 生态目录 | 约 89.3K / 11.7K |
| MCP | modelcontextprotocol/servers | 官方 MCP Server 示例 | 约 87.3K / 11.0K |
| Browser Use | browser-use | Agent 操作浏览器 | 约 99.1K / 11.1K |
| Browser Use | Playwright | 浏览器自动化和回归验证 | 约 91.1K / 5.9K |
| Browser Use | Selenium | 经典浏览器自动化 | 约 34.2K / 8.7K |
| Agent | OpenClaw | 端到端 Agent 产品形态 | 约 379.0K / 79.3K |
| Agent 框架 | LangChain | LLM 应用生态入口 | 约 139.4K / 23.1K |
| Agent 框架 | LangGraph | 状态图、循环、可控 Agent | 约 34.9K / 5.8K |
| Multi-Agent | Paperclip | "零人公司"、Agent 公司化编排 | 约 70.8K / 13.2K |
| Multi-Agent | MetaGPT | 多 Agent 软件开发流程 | 约 68.8K / 8.8K |
| Multi-Agent | AutoGen | 多 Agent 对话与协作 | 约 59.0K / 8.9K |
| Multi-Agent | CrewAI | 角色分工式多 Agent | 约 53.7K / 7.5K |
| A2A | A2A Protocol | Agent 之间通信协议 | 约 24.3K / 2.5K |
| 评测 / 反思 | promptfoo | Prompt 和 Agent 输出评测 | 约 22.3K / 2.0K |
| 评测 / 反思 | DeepEval | LLM / RAG / Agent 测试 | 约 16.2K / 1.5K |
| 评测 / 反思 | Ragas | RAG 质量评估 | 约 14.4K / 1.5K |
| 可观测 / 反馈闭环 | Langfuse | LLM 调用链路、反馈、评估 | 约 29.2K / 3.0K |
| 可观测 / 反馈闭环 | Phoenix | LLM 可观测和实验分析 | 约 10.2K / 0.9K |
| 幻觉 / 护栏 | Guardrails AI | 输出校验、约束和护栏 | 约 7.0K / 0.6K |
| 低代码 Agent | Langflow | 可视化搭建 Agent / RAG | 约 149.7K / 9.3K |
| 低代码 Agent | Dify | 企业级 LLM 应用平台 | 约 145.4K / 22.9K |
| 低代码 Agent | Flowise | 拖拽式 LLM 工作流 | 约 53.6K / 24.5K |
最后
16 个概念过完了。如果只记一句话，就是上面那个：Agent = 模型 + 规划 + 记忆 + 工具调用，剩下那些概念都是在给这个公式添砖加瓦。
光看不动手没用，挑一个顺眼的项目装上跑跑，比看十篇文章都管用。
如果觉得这篇对你有用，欢迎关注「蝎子莱莱爱打怪」公众号 ， ------专注 AI 和即时通讯相关技术的分享和思考，不贩卖焦虑，只说真话、讲干货。