This topic created in 35 days ago, the information mentioned may be changed or developed.
最近想学习 AI Agent 开发，希望可以写出简单的 Agent 产品，可以独立运行，而不只是简单调用大模型 API 做一个聊天页面。
我的基础偏全栈，目前对 Agent 开发基本是零基础，不了解具体的实现原理、技术栈和工程实践，目前使用过各种热门 Agent 但是只是使用。
现在主要有几个困惑：
1. 比较合理的学习顺序是什么？
2. 应该先用原生大模型 API 实现一个简单 Agent ，还是直接学习 Agent 框架？，开发 Agent 应该不需要区分语言？
4. Function Calling 、MCP 、RAG 、记忆、工作流等概念应该按照什么顺序学习？
5. 有哪些适合新手的实战项目，可以从简单调用工具逐步做到完整应用？
6. 目前有哪些值得学习的框架、开源项目、课程或文章？
我现在的初步想法，是先做一个能够调用几个外部 API 、完成简单任务的助手，再逐渐增加搜索、知识库、任务步骤和执行状态展示等功能。
想请有 Agent 实际开发经验的朋友分享一下学习路线和踩坑经验。
感谢。
37 replies • 2026-09-01 20:51:01 +08:00
 |
|
1
qimeng123 Jul 31  1
用框架都是 2025 年时常规做法，后来因为过于复杂，一般 agent 用不到，用框架都是复杂分支和动态扇出。
agent 最稳的是手搓。大概就是：用的 llm ，是否支持 fun-calling （旧模型或小模型大不支持），状态存哪几张表、迁移可不可逆？断流了怎么接得上？然后就地基层（校验器/沙箱/加载器，零依赖纯函数，同层互不 import ）→ 工具层（ schema + dispatch + 幂等）→ 循环层（内循环 40 行 + 外循环状态机）
|
 |
|
2
sentinelK Jul 31 3
1：没有顺序。Agent 的本质就是 ReAcT 这篇论文。
2：目前流行的 Agent 都是“反框架”的。
4：没有顺序，他们分别只是不同的能力。你说你是先学走路、先学吃饭还是先学说话？都要学，但哪个先学都可以。
5：OpenCode 就不错
6：没有突出的，或者说大家都一样。Agent 这个东西他就没有客观评价体系。主观的输入 + 主观的引擎 = 主观的结果。
|
 |
|
3
jedeft Jul 31
直接手搓，不用框架，目前没有好用的框架。
|
 |
|
8
ccpp132 Jul 31
目前很大程度上变成做 skill 和 tools 了
|
 |
|
9
kenanyah Jul 31
我是直接先用原生大模型 API 实现结合 ai 一个简单 Agent ，对于其他复杂的功能，缺什么再去补，比如如何兼容多套 llm ，记忆日志这些怎么接入，会话如何管理，工具系统，先自己想一下，反正结合 ai 问着来学，后面面向更复杂更工业化级别的就去看源码，pi 不错的，也不算很复杂，但是架构很清晰，这些搞完只是单体，后面我觉得多服务的架构就是更后端工程化的了。
|
 |
|
10
yizhiqianyan Jul 31
直接手搓吧，完全不用框架顶多引入 openai 的 api 调用包，其他的 vibe 出来难度不大
基本结构就是 上下文管理 + tools + loop + 状态管理
还有上下文压缩也属于上下文管理
LLM 的接入一般都是 openai 格式的，但不同 LLM 还是会有一些差异需要微调和兼容
再往后就可以关注可观测性、恢复执行、执行沙箱（我也没玩到）、命令执行授权、记忆管理 大概记得的就这些了
先从最简单的 loop + tools 开始玩就行了， 搓出来后还是有一点正反馈的
|
 |
|
11
ttsh Jul 31
学完了发现这些东西都是现有 ai 编辑器有的功能，哈哈，我刚学完
|
 |
|
13
v2NPC Jul 31
上手就完事儿了，没那么复杂 pydantic-ai
|
 |
|
14
AdminNB Jul 31 2
1 、学的慢了可以不用学了，每过一段时间都会出新的概念，照着新概念去学，比如最开始的提示词工程、上下文管理、再到 Agent Loop 和 ReAct 、Harness 等等，照着新的学，新的包含了旧的
2 、不学框架。自己去实现调用过程，研究各个参数是干什么的，然后去手搓框架，照着这 3 种 api 去做兼容：Chat Completions API 、Responses API 、Messages API
4 、从基本的聊天开始，然后加上工具调用，就是写一些 read 、write 、grep 、glob 之类的工具，老项目接入 ai ，无非就是通过工具包装一下接口，ai 生成调用接口的参数，反正就是调 API ；
如果要接外部的工具，就去实现 MCP 协议，无非就是通过 jsonrpc 传递参数和工具名称之类的；
至于 RAG ，就是把文字变成向量然后去检索，找个向量库去试试，学一下切片策略，然后把向量库检索作为一个工具，这就变成了 Agentic RAG ；
然后就是 Skill 了，就是在提示词里把 skill 的名称、简介、路径放上，ai 去选择 read 等等工具，去读 markdown ，把读出来的内容放到上下文里；
接下来研究下上下文怎么控制、上下文怎么压缩之类的了
再往后就是任务规划、任务编排、记忆了，照着各个 agent 工具抄就行，比如，提供一个 todo-list 工具，让 ai 把规划好的任务和任务状态给存进去，让 ai 即使反馈和维护状态，就参考 superpower 、trellis ，去抄设计思路就完了；
5 、对着现有的功能去抄，比如抄 Codex 、OpenCode 、Claude Code 等等
6 、直接去读各个模型供应商的文档，碰到不懂的去查
|
 |
|
16
ntdll Jul 31 1
原理可以先了解，然后手搓简单版本的试一下效果，比如 tool call 是怎么实现的
原理本质上并不复杂，AgentLoop 、ReAct 往简单了说就是 for/while 循环
但是没手搓过，可能对这个循环的概念并不深刻
|
 |
|
18
yh7gdiaYW Jul 31
最基本的原理就是个大循环，一直调大模型，大模型返回 tool call ，你执行完调用把结果塞回去，直到循环到大模型不返回 tool call 就结束了，输出结果。
原理没啥可看的，直接上框架
|
 |
|
19
coderxy Jul 31
我也写了 4 个月 agent 了， 到现在也没理解那些框架的意义在哪里。 特别是 langchain 这种，不就是组装个 llm 请求吗？
|
|
|
20
coderxy Jul 31
你要不要拉个微信群， 大家一起探讨探讨 agent 开发
|
 |
|
21
ota Jul 31
先做个 mvp ，然后堆叠技术栈做路线图学习。
|
 |
|
22
saaak Jul 31
有人自学然后找到工作的吗
|
 |
|
24
binhsu Jul 31
可以参考 pi agent 项目，核心代码就几千行，很好理解。
|
 |
|
26
cutchop Aug 1
opencode 就算了，学 pi 吧
|
 |
|
28
XuanYuan Aug 2
我不是程序员。
有个项目，之前用 AI 手搓编排，一直不理想，最后换了 LangGraph ，顺多了。
|
 |
|
31
charles0 Aug 2 1
建议不要用任何框架/库，直接手写模型 API 调用，在缓存和思维链上面注意一下（比方说为什么有时要回传思维链、什么是交错思考、如何保持缓存命中等等）就行
|
 |
|
36
moooooooo Aug 3
我让 AI 写的 agent,目的是帮我抓去 GitHub 项目然后用 AI 翻译文档和进行打标签,还做过公司项目改成对话框形式,也是个 agent,负责调用各个接口,写完了看代码看怎么写的
|
Select Language