AI Agent开发#

AI 全栈 ⑤ Agent 工程：拿模型造系统——Agent 模式、Prompt、工具与协议、框架、记忆与运行时。RAG 见 MOC-检索与RAG，评测安全见 MOC-AI评测与治理。

知识脉络#

AI Agent开发
├── 入门与设计模式
│   ├── AI Agent核心概念与架构
│   ├── Prompt工程最佳实践
│   ├── Agent设计模式
│   ├── Reflection与自我修正模式
│   ├── 意图识别与任务路由
│   └── 多Agent协作架构
├── 工具、协议与框架
│   ├── Function Calling与工具编排
│   ├── MCP协议原理
│   ├── MCP生产治理与安全加固
│   ├── Agent Skill机制与渐进式加载
│   ├── LangChain核心概念
│   ├── LangGraph状态图与工作流编排
│   ├── Spring AI核心概念与架构
│   └── Spring AI Alibaba框架
├── 运行时与控制层
│   ├── Agent Harness与Hook设计
│   ├── Agent记忆与上下文工程
│   ├── Agent Runtime与Checkpoint机制
│   ├── 多Agent调度与失败传播
│   └── 长期记忆治理与多租户隔离
└── 方法论
    ├── AI Agent系统设计方法论
    ├── AI Agent技术趋势与框架选型
    └── Agent面试高频追问速查

知识点清单#

入门与设计模式#

工具、协议与框架#

运行时与控制层#

方法论#

建议学习顺序#

1. 入门：Agent 核心概念 → Prompt 工程 → 设计模式 → Function Calling
2. 做出来：LangChain / LangGraph 或 Spring AI → MCP
3. 做得好：记忆与上下文工程 → Reflection → 意图路由 → 多 Agent
4. 上生产：Harness 与 Hook → Skill 渐进式加载 → Runtime/Checkpoint → 多 Agent 调度 → 长期记忆治理
5. 会设计会讲：系统设计方法论 → 趋势与框架选型 → 高频追问速查

口诀速记#

• Agent vs Workflow: “流程定死是 Workflow，LLM 决定下一步才是 Agent”
• Agent ReAct: “感知→思考→行动→观察（循环直到完成）”
• Reflection: “生成→挑错→重写，留草稿取最高分”
• Function Calling: “LLM 填表，代码跑腿”
• MCP vs A2A: “MCP 纵向接工具，A2A 横向接同伴”
• Agent 记忆: “桌面(工作记忆) + 笔记本(短期) + 档案柜(长期)”
• 框架选型: “Chain→Graph→SDK，从链式到状态机到原生”
• LangGraph: “State 是账本、Node 记账、Edge 决定翻到哪页、Checkpointer 存档”
• Spring AI: “ChatClient 链式调，Advisor 插 RAG/记忆/护栏”
• Spring AI Alibaba: “Spring AI 打底 + 通(DashScope)图(Graph)治(Nacos/Higress)“

跨域关联#

• Agent 设计模式 → 策略模式（设计模式）
• 结构化输出 → 结构化输出与约束解码（推理与模型服务）
• 知识检索 → RAG架构与实现（检索与RAG）
• 评测与安全 → Agent评测平台设计（AI评测与治理）
• 服务化 → 流式输出与实时交互（AI应用工程）