学习agent开发

参考资料：【分享我转 AI 方向的学习路径和工作转变】 https://www.bilibili.com/video/BV1co9yBhEvW/?share_source=copy_web\&vd_source=20ecc36fbdd0ac45969ae149b0333409

714学到：https://learn.deeplearning.ai/courses/ai-agents-in-langgraph/lesson/l7rgk/langgraph-components；https://www.youtube.com/watch?v=hvAPnpSfSGo

文章目录

• 学习内容
• • [agent workflow: LangGraph](#agent workflow: LangGraph)
  • [Tool Calling 与底层执行](#Tool Calling 与底层执行)
  • 会话持久化：Persistence
  • 业务上

学习内容

agent workflow: LangGraph

总览：建立整体认知（先理解langgraph适合构建long-runing、stateful agents）->组织workflow（把多步骤、有状态、有分支判断的agent流程串起来）->掌握核心能力（重点看persistence, streaming,memory, human-in-the-loop）->理解多agent（supervisor, 路由，分工和上下文传递）

1. 快速建立agent workflow的整体认知：LangGraph官方文档

2. 实践教程，教你把workflow, persistence, streaming这些能力串起来：deeplearning.ai教程：AI Agent in LangGraph

3. 学习多Agent的组织方式，比如supervisor, 路由，分工和上下文传递：LangChain官方 YouTube："LangGraph：Multi-Agent Workflows"

Tool Calling 与底层执行

总览：定义tool（名称、参数结构、功能描述）->注册到agent（让模型知道有哪些工具可用）->模型发起调用（输出工具名+参数json+）->执行并回传结果（代码执行，结果送回上下文）

两个经典Tool calling设计文章：

1. 函数调用很经典的入门材料，基本接口、参数设计和执行流程都能摸清楚：openai cookbook:"How to call functions with chat models"
2. 更偏工程实践，重点在怎么让模型更稳定地选择工具、组织输入输出： 最佳实践：Anthropic官方Tool use指南

会话持久化：Persistence

总览：保存执行状态（让agent在多步骤和多轮对话里持续工作，而不是每次从头开始）->理解Thread级状态（看清thread级别的状态怎么保存、恢复和回放）->建立使用直觉（通过视频版补充，把persistence的使用方式和真实流程串起来）

1. LangGraph官方文档：persistence & Time Travel：能快速看清为什么agent需要状态持久化，以及thread级别状态怎么保存
2. langchain Youtube：langgraph persistence：适合作为视频版补充，帮助建立persistence的使用直觉

业务上

1. 学习prompt

2. 学习skill工程与评测

3. MCP Server：api服务迁移成能理解的工具。

   

4. RAG

langchain官方讲到两种比较常见的RAG流程，一种是比较传统的两步流程，先检索再进行生成；另一种是把检索当做tool，让agent自己决定要不要去检索。

6. a