Agentic AI 架构入门（十二·完结）：ADLC、AgentOps 与企业级平台蓝图
课程：《Agentic AI Architectures with Patterns, Frameworks and MCP》笔记整理（第 543--595 页，收官）
1. ADLC：Agent 开发生命周期（7 阶段）
1.1 什么是 AI Agent 开发 + 概率性转变
- AI Agent 开发不是「提示词工程」或「模型训练」 ------是构建、测试、治理、管理自主目标驱动软件系统的正式工程学科
- 核心挑战：概率性转变（Probabilistic Shift） ：
- 旧路（确定性 SDLC）：
Input X → f(x) → Output Y，f(5) 永远返回 10，返回 11 就是 bug------测试二元正确性（Pass/Fail） - 新路（概率性 ADLC）：
Goal → Agent(Goal + Context) → Result，可能返回结果 A 或 B，两者都可能是有效的 ------天生非确定性，这改变了一切开发和 QA 方式
- 旧路（确定性 SDLC）：
1.2 为什么传统 QA/DevOps 失效 → ADLC
传统工具测不了「推理」、监控不了「困惑」 。ADLC = SDLC + MLOps + 新的「认知」实践------为管理概率性软件而生的新正式流程。
1.3 7 阶段总览
- Goal Setting & Scoping（目标设定与范围）：定义 Agent 做什么、不做什么------目标会成为 System Prompt 的技术部分
- Design（设计）
- Framework, Model & Tool Selection（框架/模型/工具选型）
- Build（构建）
- Training（训练，可选）
- Evaluation（评估 = 新的「测试」）
- Deployment & Monitoring（部署与监控 = 「AgentOps」）
#mermaid-svg-5rP7NJIMdGRvf2G9{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-5rP7NJIMdGRvf2G9 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-5rP7NJIMdGRvf2G9 .error-icon{fill:#552222;}#mermaid-svg-5rP7NJIMdGRvf2G9 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-5rP7NJIMdGRvf2G9 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-5rP7NJIMdGRvf2G9 .marker.cross{stroke:#333333;}#mermaid-svg-5rP7NJIMdGRvf2G9 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-5rP7NJIMdGRvf2G9 p{margin:0;}#mermaid-svg-5rP7NJIMdGRvf2G9 .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-5rP7NJIMdGRvf2G9 .cluster-label text{fill:#333;}#mermaid-svg-5rP7NJIMdGRvf2G9 .cluster-label span{color:#333;}#mermaid-svg-5rP7NJIMdGRvf2G9 .cluster-label span p{background-color:transparent;}#mermaid-svg-5rP7NJIMdGRvf2G9 .label text,#mermaid-svg-5rP7NJIMdGRvf2G9 span{fill:#333;color:#333;}#mermaid-svg-5rP7NJIMdGRvf2G9 .node rect,#mermaid-svg-5rP7NJIMdGRvf2G9 .node circle,#mermaid-svg-5rP7NJIMdGRvf2G9 .node ellipse,#mermaid-svg-5rP7NJIMdGRvf2G9 .node polygon,#mermaid-svg-5rP7NJIMdGRvf2G9 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-5rP7NJIMdGRvf2G9 .rough-node .label text,#mermaid-svg-5rP7NJIMdGRvf2G9 .node .label text,#mermaid-svg-5rP7NJIMdGRvf2G9 .image-shape .label,#mermaid-svg-5rP7NJIMdGRvf2G9 .icon-shape .label{text-anchor:middle;}#mermaid-svg-5rP7NJIMdGRvf2G9 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-5rP7NJIMdGRvf2G9 .rough-node .label,#mermaid-svg-5rP7NJIMdGRvf2G9 .node .label,#mermaid-svg-5rP7NJIMdGRvf2G9 .image-shape .label,#mermaid-svg-5rP7NJIMdGRvf2G9 .icon-shape .label{text-align:center;}#mermaid-svg-5rP7NJIMdGRvf2G9 .node.clickable{cursor:pointer;}#mermaid-svg-5rP7NJIMdGRvf2G9 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-5rP7NJIMdGRvf2G9 .arrowheadPath{fill:#333333;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-5rP7NJIMdGRvf2G9 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-5rP7NJIMdGRvf2G9 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-5rP7NJIMdGRvf2G9 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-5rP7NJIMdGRvf2G9 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-5rP7NJIMdGRvf2G9 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-5rP7NJIMdGRvf2G9 .cluster text{fill:#333;}#mermaid-svg-5rP7NJIMdGRvf2G9 .cluster span{color:#333;}#mermaid-svg-5rP7NJIMdGRvf2G9 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-5rP7NJIMdGRvf2G9 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-5rP7NJIMdGRvf2G9 rect.text{fill:none;stroke-width:0;}#mermaid-svg-5rP7NJIMdGRvf2G9 .icon-shape,#mermaid-svg-5rP7NJIMdGRvf2G9 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-5rP7NJIMdGRvf2G9 .icon-shape p,#mermaid-svg-5rP7NJIMdGRvf2G9 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-5rP7NJIMdGRvf2G9 .icon-shape .label rect,#mermaid-svg-5rP7NJIMdGRvf2G9 .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-5rP7NJIMdGRvf2G9 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-5rP7NJIMdGRvf2G9 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-5rP7NJIMdGRvf2G9 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 迭代
- 目标与范围
- 设计
- 框架/模型/工具选型
- 构建
- 训练（可选）
- 评估
- 部署与监控 AgentOps
ADLC 是管理概率性软件的 7 步迭代流程 。最难的 = 两个新阶段：Phase 6 评估 （怎么测？）+ Phase 7 AgentOps（怎么监控？）
2. 深潜：评估（新的「测试」）
2.1 为什么传统单元测试失败
无法预测输出 → 传统单元测试（断言精确输出）对 Agent 无效。新范式：测试「过程」而非「输出」：
- 测输出（The "What"）：机器人给精确答案（"42"）→ 检查表（质量/一致性/安全性）→ "这是个好答案吗？"
- 测过程（The "How"）：用户问"你有墙板吗？"→ 思维导图展示 Agent 推理轨迹 （工具调用 get_inventory → 数据库响应"Yes, 5 units"→ 事实错误）→ "Agent 思考得对吗？"→ 需要新技术评估过程
2.2 技术 1：创建「测试数据集」
你的新「测试套件」不再是 .py 文件，而是 「黄金集（golden set）」 ------50/100/1000 个真实世界场景。这个数据集成为 Agent 所有未来版本的基准。
2.3 技术 2：LLM-as-a-Judge（LLM 当裁判）
- 问题：100 个场景，谁给 100 个非确定性答案打分？
- 方案：用另一个更强大的 LLM 当「裁判」 ------三步流程：①被测 Agent （Scenario #1 Input → Agent Answer 非确定性）→ ②Judge LLM （输入 JUDGE PROMPT → 输出 JSON，如
{"Helpfulness": 9, "Polite": 10, "Rules": "Y"}）→ ③自动化测试结果（结构化分数 JSON）
2.4 新 QA 管道
- 单元测试（确定性） ：测工具（你的
add(2,2)函数仍然要有单元测试） - 评估管道（概率性） ：测试数据集（黄金集）→ Agent 跑全量数据集 → LLM-as-a-Judge 给质量打分 → 轨迹分析（Trace Analysis）：「白盒」测过程确保工具使用正确
这就是 Agent 的新 CI/CD 管道
3. 深潜：AgentOps（可观测性与监控）
3.1 什么是 AgentOps
「Agent 的 DevOps」------管理、监控、确保生产环境中 AI Agent 的性能、质量和成本的实践与工具集。
- 传统 DevOps 监控系统健康（「身体」）------服务器/CPU/内存监控、API 健康检查（200 OK）、错误日志（500）
- 新 AgentOps 监控认知健康（「心智」） ------思维混乱、规则守卫、思维链（Chain of Thought）
3.2 基础：可追溯性（Traceability）
「500 错误」容易记日志------怎么记录「困惑」？ 方案：必须记录 Agent 的整个推理轨迹（reasoning trace）------没有它，其他所有指标都无法调试。
3.3 关键指标 + 新仪表盘
- 硬指标（性能与成本）：成本、延迟、工具调用次数等
- 认知指标（质量与安全）：工具失败、用户情绪、幻觉
- 新仪表盘 = 系统健康 + 认知健康 ：基于可追溯性（记录「想法」），新增指标：成本、工具失败、用户情绪、幻觉
4. LLM 护栏（Guardrails）
4.1 新威胁模型：概率性风险
传统安全 100% 必要，但不再充分 ------有了新的「概率性」攻击向量和风险：注入（Injection）、滥用（Abuse）、泄漏（Leakage）。
4.2 定义 LLM 护栏
- LLM Guardrails = 围绕 LLM 程序化强制实施的一组预定义规则、过滤器、策略
- 目标：约束非确定性「大脑」输出特定格式/上下文，并验证它的每个响应
- 强制：结构 （输出必须是合法 JSON）、类型 （不得含毒语言）、质量（必须事实核查来源）
它们是 Agent「心智」的防火墙
4.3 护栏工作方式：输入 vs 输出
数据流时间轴：Chat message → Guardrail input validation（输入护栏校验） → LLM text generation → Guardrail output validation（输出护栏校验） → Chat response。
- 输入护栏 （保护 Agent 免受攻击）：阻止提示注入（Prompt Injection）、清理 PII、过滤内容
- 输出护栏 （保护用户免受 Agent 攻击）：验证工具调用（JSON）、检查幻觉、确保品牌安全
4.4 两个安全模式
- HITL ：输出护栏检查「高风险」动作------能移动资金或修改关键数据的不可协商模式
- Ejection & Secure Tooling（MCP）：弹出 + 安全工具化
4.5 架构师的答案（治理与责任）
- 可追溯性就是我们的防御 ：AgentOps 是关键------不可变、可审计的完整推理轨迹日志------能证明 Agent 为什么做某个决定、通过了哪些护栏
- 没有可观测性就没有治理（Governance is impossible without Observability）
- 大问题（C 级/法律/合规）：Agent 犯下数百万美元错误时谁负责？
- 总结：新威胁模型（注入/滥用/泄漏）→ LLM 护栏层（输入&输出）→ 安全模式（HITL/Ejection/MCP）→ 用治理和可追溯性管理风险
5. 工具生命周期：管理 MCP Server
5.1 manifest.json = 「API 契约」+ 新的「破坏性变更」
Agent 只是方程的一半，另一半是工具（MCP Servers = 企业 API，有自己的开发/部署/管理生命周期）------「工具的 DevOps」。
从人类可读契约到机器可读契约的转变带来危险新影响：
- 问题 ：被提示词和训练「教导」理解旧描述的 Agent，面对新描述可能「困惑」、概率性地不再选这个工具
- 关键洞察：manifest.json 里一个善意的文字修改 = P0 级生产崩溃 bug
5.2 最佳实践
- 严格版本化（非协商） ：v1 Agent 继续工作，v2 Agent 用「改进」的新工具------「DevOps 101」纪律。永远不要改一个已发布的 manifest
- 安全与部署：像保护任何关键任务微服务一样保护和监控 MCP Server
MCP Servers 是服务 AI 的企业 API，它们本身不是 AI ；manifest 是脆弱的破坏性契约；严格版本化不可协商
6. 参考架构：Agentic AI 平台蓝图（收官）
6.1 3 万英尺视角：设计时 vs 运行时
- 左蓝 Design-Time「Agent Factory」：开发者 + 笔记本/工具、数据库/测试数据评估、ADLC Build & Evaluation Steps
- 右绿 Run-Time「Agent Grid」：云、部署、负载均衡器、监控、ADLC Deployment & Monitoring Steps
- 中间 = Bridge: Deployment Pipeline (CI/CD)
6.2 四大支柱组件
| # | 组件 | 区域 | 目标 |
|---|---|---|---|
| 1 | Agent Factory（Agent 工厂） | 设计时 | 产出经过验证、版本化、可部署的 Agent------输出：「版本化 Agent 包」（Docker 容器） |
| 2 | Agent Runtime（Agent 运行时） | 运行时 | 执行、扩展、保护------「K8s for Agents」 |
| 3 | Tool Server（工具服务器） | 集成层 | 提供到企业系统的单一、安全、稳定桥梁------解耦 Agent Runtime 与企业后端 |
| 4 | AgentOps Platform（监控平台） | 监控 | 全平台整体可观测性 ------整个系统的「反馈回路」 |
#mermaid-svg-x4aViPmNSYT6Qo6J{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-x4aViPmNSYT6Qo6J .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-x4aViPmNSYT6Qo6J .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-x4aViPmNSYT6Qo6J .error-icon{fill:#552222;}#mermaid-svg-x4aViPmNSYT6Qo6J .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-x4aViPmNSYT6Qo6J .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-x4aViPmNSYT6Qo6J .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-x4aViPmNSYT6Qo6J .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-x4aViPmNSYT6Qo6J .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-x4aViPmNSYT6Qo6J .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-x4aViPmNSYT6Qo6J .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-x4aViPmNSYT6Qo6J .marker{fill:#333333;stroke:#333333;}#mermaid-svg-x4aViPmNSYT6Qo6J .marker.cross{stroke:#333333;}#mermaid-svg-x4aViPmNSYT6Qo6J svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-x4aViPmNSYT6Qo6J p{margin:0;}#mermaid-svg-x4aViPmNSYT6Qo6J .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-x4aViPmNSYT6Qo6J .cluster-label text{fill:#333;}#mermaid-svg-x4aViPmNSYT6Qo6J .cluster-label span{color:#333;}#mermaid-svg-x4aViPmNSYT6Qo6J .cluster-label span p{background-color:transparent;}#mermaid-svg-x4aViPmNSYT6Qo6J .label text,#mermaid-svg-x4aViPmNSYT6Qo6J span{fill:#333;color:#333;}#mermaid-svg-x4aViPmNSYT6Qo6J .node rect,#mermaid-svg-x4aViPmNSYT6Qo6J .node circle,#mermaid-svg-x4aViPmNSYT6Qo6J .node ellipse,#mermaid-svg-x4aViPmNSYT6Qo6J .node polygon,#mermaid-svg-x4aViPmNSYT6Qo6J .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-x4aViPmNSYT6Qo6J .rough-node .label text,#mermaid-svg-x4aViPmNSYT6Qo6J .node .label text,#mermaid-svg-x4aViPmNSYT6Qo6J .image-shape .label,#mermaid-svg-x4aViPmNSYT6Qo6J .icon-shape .label{text-anchor:middle;}#mermaid-svg-x4aViPmNSYT6Qo6J .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-x4aViPmNSYT6Qo6J .rough-node .label,#mermaid-svg-x4aViPmNSYT6Qo6J .node .label,#mermaid-svg-x4aViPmNSYT6Qo6J .image-shape .label,#mermaid-svg-x4aViPmNSYT6Qo6J .icon-shape .label{text-align:center;}#mermaid-svg-x4aViPmNSYT6Qo6J .node.clickable{cursor:pointer;}#mermaid-svg-x4aViPmNSYT6Qo6J .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-x4aViPmNSYT6Qo6J .arrowheadPath{fill:#333333;}#mermaid-svg-x4aViPmNSYT6Qo6J .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-x4aViPmNSYT6Qo6J .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-x4aViPmNSYT6Qo6J .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-x4aViPmNSYT6Qo6J .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-x4aViPmNSYT6Qo6J .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-x4aViPmNSYT6Qo6J .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-x4aViPmNSYT6Qo6J .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-x4aViPmNSYT6Qo6J .cluster text{fill:#333;}#mermaid-svg-x4aViPmNSYT6Qo6J .cluster span{color:#333;}#mermaid-svg-x4aViPmNSYT6Qo6J div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-x4aViPmNSYT6Qo6J .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-x4aViPmNSYT6Qo6J rect.text{fill:none;stroke-width:0;}#mermaid-svg-x4aViPmNSYT6Qo6J .icon-shape,#mermaid-svg-x4aViPmNSYT6Qo6J .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-x4aViPmNSYT6Qo6J .icon-shape p,#mermaid-svg-x4aViPmNSYT6Qo6J .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-x4aViPmNSYT6Qo6J .icon-shape .label rect,#mermaid-svg-x4aViPmNSYT6Qo6J .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-x4aViPmNSYT6Qo6J .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-x4aViPmNSYT6Qo6J .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-x4aViPmNSYT6Qo6J :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 运行时 Run-Time
设计时 Design-Time
Bridge: CI/CD 部署管道
监控/反馈
① Agent Factory
设计/构建/评估
输出：版本化 Agent 包（Docker）
② Agent Runtime
执行/扩展/安全（K8s for Agents）
③ Tool Server
集成/解耦/管理
（MCP 网关→企业系统）
④ AgentOps Platform
观察/追踪/治理
（反馈回路）
6.3 完整蓝图要点
- Design-Time：Agent Factory（Agent 代码和模型、评估框架 CI/CD + LLM-as-a-Judge、验证和打包）
- Run-Time ：Agent Runtime（有状态实例 K8s Pods、Guardrails HITL/Ejection）
- Integration ：Tool Server（MCP Gateway：MCP API 网关、数据库、Legacy APIs、微服务、企业数据&API）
- Monitoring ：AgentOps Platform（Trace Logs 想法、System Logs 身体、Metrics Dashboard、Governance & Liability 治理与责任）
- 箭头从左到右 + Optimization Loop 优化反馈环
| 支柱 | 关键词 |
|---|---|
| 1. Factory 工厂 | 设计、构建、评估 |
| 2. Runtime 运行时 | 执行、扩展、安全 |
| 3. Gateway 网关 | 集成、解耦、管理 |
| 4. Monitor 监控 | 观察、追踪、治理 |
有了这个蓝图，你可以分析任何厂商的产品，或构建自己的
7. 小结：整门课全景（1--595 页）
| 模块 | 页数 | 核心 |
|---|---|---|
| 导论 + 进化 | 1--63 | GenAI → AI Agent → Agentic AI（顾问→工人→工厂） |
| 组件解剖 | 64--172 | 7 部件 + PRAL 循环 + Research Assistant 实战 |
| 多智能体系统 | 173--217 | Orchestration vs Choreography + MAS 四大挑战 |
| Agentic 工作流 | 218--253 | State/Nodes/Edges + 四大编排模式 + LangGraph |
| 框架全景 | 254--291 | 三分类：通用/专才/托管 + Build vs Buy |
| 设计模式 | 292--394 | 四原则 + 四核心模式 + 四协作模式 + 安全模式 |
| Agentic RAG | 395--430 | 主动研究员循环 |
| 通信协议 | 431--463 | ACP / A2A / AG-UI / MCP |
| MCP 深潜 | 464--512 | 4 层拓扑 + 生命周期 + 设计模式 |
| Context 工程 | 513--542 | 5 种上下文 + 4 大策略 |
| ADLC 工程化 | 543--595 | 评估 + AgentOps + 护栏 + 参考架构 |
收官要点：
- 概率性转变 ：确定性软件（f(5) 恒等于 10）→ 概率性软件（Agent 可能返回 A 或 B 都有效）------改变一切开发与 QA
- ADLC = SDLC + MLOps + 认知实践 ：7 步迭代（目标→设计→选型→构建→训练→评估 →AgentOps）------最难的是两个新阶段
- 评估 = 新测试 ：不测输出测过程 ；黄金测试数据集 + LLM-as-a-Judge + 轨迹分析 = Agent 的 CI/CD；单元测试仍管工具
- AgentOps = Agent 的 DevOps ：管认知健康 不只系统健康；基础是可追溯性（记录整个推理轨迹）；新指标：成本/工具失败/用户情绪/幻觉
- 新威胁模型：注入/滥用/泄漏------传统安全必要但不再充分
- LLM 护栏 = 心智防火墙：输入护栏（防提示注入/清 PII/滤内容）+ 输出护栏（验证工具调用/查幻觉/品牌安全）；HITL 与 Ejection/MCP 是落地模式
- 治理靠可观测性：不可变可审计的推理日志------「没有可观测性就没有治理」；责任问题（谁为百万美元错误负责）是 C 级议题
- 工具也有生命周期 ：manifest.json 是机器可读契约 ------一个善意文字修改 = P0 崩溃；严格版本化不可协商，永不改已发布 manifest
- 参考架构四支柱 ：Factory（设计/构建/评估）→ Runtime（执行/扩展/安全）→ Gateway（集成/解耦/管理）→ Monitor（观察/追踪/治理）------可分析任何厂商产品或自建
- 🎉 课程完结：595 页全部学完------从「什么是 Agent」到「企业级 Agentic AI 平台蓝图」
感谢陪伴------这门课 12 篇笔记连载到此完结 🎬