第 29 章 完整开发流程与学习路线

第 29 章 完整开发流程与学习路线

本章要解决的问题

学完全书后，从接到需求到上线运营，标准流程到底是什么？接下来往哪进阶？

章节大纲

• 29.1 18 步框架总复习（输入理解 → 规划决策 → 执行编排 → 整合输出）
• 29.2 从需求到上线的标准 SOP
• 29.3 推荐学习路径与进阶方向
• 29.4 常见问题 FAQ
• 🛠 解决方案：Agent 项目交付检查清单（立项 → 上线 → 运营）

29.1 18 步框架总复习

29.1.1 一个 Agent 请求的完整旅程

图 1：18 步框架总图

第 1 章的 5 层骨架和 18 步流程（源自原版 108 页教程），现在有了全书技术支撑。重新审视 18 步：

阶段 A：输入理解（1-4）

步骤	内容	对应技术
1	用户提问	---
2	Agent 接收输入	输入 Guardrail（第 17 章）
3	上下文检索	记忆注入（第 9 章）
4	LLM 识别意图	路由（第 11 章）

阶段 B：规划决策（5-10）

步骤	内容	对应技术
5	生成计划	规划（第 15 章）
6	Agent 接收计划	编排
7	判断是否需要 Skill/工具	工具选择（第 5/14 章）
8	匹配 Skill	Skill 注册表（第 19 章）
9	封装参数	工具 Schema + 校验（第 5 章）
10	形成可执行指令	---

阶段 C：执行编排（11-15）

步骤	内容	对应技术
11	Agent 发起调用	Agent 循环（第 6 章）
12	MCP 发现工具	MCP（第 7 章）
13	调用 API	工具执行
14	Tool 执行	沙箱 + 校验（第 22 章）
15	接收执行结果	结果回填（第 6 章）

阶段 D：整合输出（16-18）

步骤	内容	对应技术
16	整合 Skill 输出	并行聚合（第 12 章）
17	LLM 生成最终回答	反思/自检（第 13/17 章）
18	返回用户	输出 Guardrail + 记忆更新

18 步 × 24 章：全书技术的唯一入口------任何一个 Agent 请求，都可以在这 18 步里找到"当前在哪一步、用哪章的技术"。

29.2 从需求到上线的标准 SOP

29.2.1 八阶段交付流程

[1 需求澄清] 确认任务形态（第1章决策树）
    ↓
[2 架构设计] 画数据流 + 选模式（第10-18章选型心法）
    ↓
[3 技术选型] 模型/框架/存储（第2、7章）
    ↓
[4 最小实现] 跑通端到端（第6章最小循环起步）
    ↓
[5 评测建基] 建评测集 + 跑基线（第20章）
    ↓
[6 优化迭代] 按评测数据调（第24章调优 + 各模式）
    ↓
[7 安全加固] 过 20 项检查清单（第22章）
    ↓
[8 灰度上线] 10%→50%→100%（第20章）+ 监控运营

图 2：八阶段交付 SOP

29.2.2 每个阶段的"里程碑"

阶段	进入下一阶段的标志
需求澄清	明确"是否需要 Agent"（三选一决策树）
架构设计	画出数据流图 + 选定设计模式
技术选型	模型确定（OpenAI 兼容优先）
最小实现	端到端跑通（哪怕很糙）
评测建基	有基线分数（没有基线不优化）
优化迭代	分数超基线（否则继续）
安全加固	20 项检查全过
灰度上线	灰度指标 ≥ 旧版

29.2.3 常见失败模式（为什么项目会翻车）

失败模式	表现	对策
需求没澄清就开干	做了个不需要 Agent 的系统	先跑决策树（第 1 章）
没有基线就优化	改来改去不知道好坏	先建评测集（第 20 章）
一上来就多 Agent	又慢又贵还难调	单 Agent 起步（第 16 章）
上线前才想起安全	出事故才补	安全内嵌（第 22 章）
上线后不监控	退化无人知	监控 + 回归（第 20/21 章）

29.3 推荐学习路径与进阶方向

29.3.1 从本书出发的三条进阶路径

路径一：应用工程师（产品向）

本书 → 精进提示工程/评测体系 → 跟读框架文档（LangGraph/CrewAI）
     → 深入行业（客服/知识库/办公）→ 考 LLMOps 实践

图 3：三条进阶路径

路径二：基础设施工程师（平台向）

本书 → 深入模型推理/部署（第23章）→ 模型微调/蒸馏
     → 向量数据库/检索工程 → 构建内部 Agent 平台

路径三：研究员（算法向）

本书 → 深入 Agent 论文（ReAct/Reflexion/ToT）→ 复现实验
     → 关注新协议（MCP/A2A）→ 发论文/开源贡献

29.3.2 值得持续关注的领域

领域	为什么重要	关注点
MCP / A2A 生态	工具互联标准在快速演进	新 Server、新协议版本
Agent 评测	评测是 Agent 工程化的瓶颈	新评测框架/基准
长上下文模型	窗口越来越大，上下文工程简化	百万级窗口模型
多智能体治理	多 Agent 的安全与协调	新编排框架
推理模型	R1/o 系改变参数与提示方式	推理模型最佳实践

29.3.3 学习节奏建议

第 1 个月：通读本书 1-9 章，跑通最小 Agent + 知识库问答
第 2 个月：动手 9 大设计模式（每模式一个小 demo）
第 3 个月：完整做一个案例（第 25-28 章任一），建评测体系
第 4 个月：上生产（第 22/23 章），监控 + 迭代
之后：跟随生态演进，持续更新

29.4 常见问题 FAQ

Q1：没有 Python 基础能学吗？ 能。代码示例都是可运行的，照着敲即可；重点先理解设计模式思想，代码是载体。

Q2：用哪个框架好？ 本书立场：先自研跑通（理解原理），再按需选 LangGraph/CrewAI/AutoGen（第 16 章对照表）。别一开始就绑死框架。

Q3：本地模型还是 API？ 数据敏感/长期大规模 → 私有化；快速起步/小规模 → API（第 2 章决策树）。OpenAI 兼容协议先行，随时可切换。

Q4：Agent 会不会抢走程序员工作？ Agent 改变的是"怎么交付软件"，不是"要不要写软件"。会搭 Agent 的程序员在增值，不会的才是风险------本书就是让你成为前者。

Q5：这本书讲的会过时吗？ 模式会沉淀（提示链/路由/反思这些思想是持久的），框架会迭代。本书把"模式"和"框架"分层讲------学模式，不追框架，这是它耐读的原因。

🛠 解决方案：Agent 项目交付检查清单

立项阶段（5 项）

图 4：交付检查清单 20 项

• 1. 用三选一决策树确认"需要 Agent"（第 1 章）
• 2. 明确衡量指标（成功率/成本/延迟，第 20 章）
• 3. 画出 18 步流程的数据流（第 29.1 章）
• 4. 选定设计模式（第 18 章选型心法表）
• 5. 模型选型（OpenAI 兼容优先，第 2 章）

开发阶段（8 项）

• 6. 最小循环跑通（第 6 章）
• 7. 评测集建好（20~30 条真实数据，第 20 章）
• 8. 基线分数记录（没有基线不优化）
• 9. 工具安全封装（校验 + 白名单，第 5 章）
• 10. 上下文管理就绪（预算分配，第 3 章）
• 11. 参数基线设置（第 24 章速查表）
• 12. 双向 Guardrail 接入（第 17 章）
• 13. trace 留痕开启（第 21 章）

上线阶段（7 项）

• 14. 安全 20 项清单通过（第 22 章）
• 15. 成本三层熔断配置（第 23 章）
• 16. 灰度方案就绪（10%→50%→100%，第 20 章）
• 17. 监控指标与告警设置（第 20/21 章）
• 18. 人工兜底通道验证（转人工机制）
• 19. 运营反馈闭环（失败案例回填评测集，第 18 章）
• 20. 复盘机制（每周质量抽评）

全书结语

从第 1 章的"Agent 是什么"，到第 29 章的"项目怎么交付"------这本书陪你把一个 Agent 从概念走到了生产。

最后送你三句话，也是全书的灵魂：

1. 先想清楚问题形态，再选技术方案 ------能不用 Agent 就不用 Agent。 2. 评测是 Agent 工程的坐标系 ------没有基线，一切优化都是感觉。 3. 学模式，不追框架------模式是持久的思想，框架是易逝的工具。

祝你在 Agent 的世界里，既懂原理、会选模式、能写代码、敢上线。

附录导航

本书附册包含 5 个附录，供实战时速查：

• 附录 A《主流框架速查》：LangChain / LangGraph / AutoGen / CrewAI / Dify 的参数对照与选型建议
• 附录 B《工具与资源清单》：常用 API、SDK、开源工具、数据集清单
• 附录 C《参数速查表》：全书参数体系汇总，按任务类型给出推荐基线
• 附录 D《术语表》：全书核心术语中英对照与定义
• 附录 E《中文模型 API 快速上手》：DeepSeek / Qwen / 豆包等中文模型 API 调用指南