AI Agent 指南

理解模型能力、工具调用、状态管理、任务循环和 Agent 的基本组成。

比较 CoT、ToT、ReAct、人机协同、层级团队和 Swarm 等模式。

学习测试时计算、搜索、规划和复杂任务中的推理预算。

理解模型选择、能力边界以及 Supervisor Agent Team。

把 Agent Demo 推进为可测试、可治理、可交付的产品。

学习 A2A、MCP、沙箱、权限和程序化工具调用。

关注生产骨干架构、推理后端和模型降级。

建立评测 Harness，观察质量、失败和运行状态。

从最终答案扩展到轨迹、步骤和行为评测。

理解持久化状态、记忆拓扑和用户偏好。

估算拓扑、记忆、吞吐和 GPU 带来的成本。

识别提示注入、工具滥用、数据泄露和权限扩散风险。