阶段学习任务单：AI Agent 与智能体系统

这个阶段的目标是让你理解 Agent 如何把大模型、工具、记忆、规划和执行流程连接起来。不要把 Agent 理解成“更会聊天的模型”，它更接近一个能分解任务、调用工具、记录状态并处理失败的工作流系统。

本阶段必须完成的任务

任务	产出物	通过标准
理解 Agent 基本结构	一张架构图	能解释模型、工具、记忆、规划器和执行器的关系
跑通工具调用	一个最小 tool calling 示例	能定义工具参数、处理返回值和错误
完成规划执行流程	一个多步骤任务 Demo	能记录每一步输入、输出、状态和失败原因
加入评估与安全	一份 Agent 测试记录	能评估任务成功率、工具准确率和权限风险
完成阶段项目	一个可追踪 Agent 项目	有 trace、日志、回放样例和人工确认边界

推荐学习顺序

先理解 Agent 是什么，再学习推理与规划、工具调用、记忆、MCP、框架、多 Agent、评估与安全。框架可以帮助实现，但不要让框架掩盖核心问题：状态如何流转，工具何时调用，失败如何恢复，权限如何限制。

学 Agent 时要特别注意可观测性。一个 Agent 如果不能解释自己做了什么、为什么这么做、在哪一步失败，就很难进入真实应用。

和 AI 学习助手项目的关系

本阶段对应 AI 学习助手的 v0.9 学习规划 Agent。它不仅能回答问题，还能根据学习目标拆解任务，推荐章节，生成学习计划，调用检索工具查资料，并记录每一步执行轨迹。

建议最小功能包括：输入学习目标，输出阶段计划；调用课程检索工具查找相关章节；生成本周任务清单；记录 trace。标准版本可以加入长期学习记录、复习提醒、错题整理和人工确认。

常见卡点

常见问题包括工具描述不清导致调用错误、Agent 无限循环、任务拆解过细或过粗、记忆污染、把用户输入直接传给工具造成安全风险、没有日志导致无法排查问题。Agent 项目里，权限边界和停止条件和功能本身一样重要。

轻松版 / 标准版 / 挑战版任务

难度	你要完成什么	适合谁
轻松版	让 Agent 完成 3 个固定任务并打印步骤	第一遍学习、时间少或刚入门的学习者
标准版	保存 agent_traces 和 tool_calls	希望把本阶段放进作品集的学习者
挑战版	增加越权测试、人工确认和 trace replay	已有基础、想做更强项目证据的学习者

本阶段徽章与 Boss 战

类型	内容
Boss 战	无限循环魔王
可解锁徽章	Trace 记录员、Agent 安全官
最小通关口号	先跑通、再解释、再记录失败
证据保存建议	把截图、日志、失败样本或评估表保存到 reports/、evals/ 或 logs/

完成轻松版就可以继续前进；完成标准版才建议写进作品集；挑战版只在你有余力时再做。

阶段作品集交付物

如果你想把本阶段成果沉淀到作品集，建议至少保留下面这些文件或等价材料。

交付物	说明
tools_schema.md	每个工具的名称、用途、参数、返回值和使用边界
agent_traces.jsonl	每次运行的 goal、step、action、arguments、observation、next_decision
safety_boundary.md	工具风险分级、人工确认规则、最大步数、权限限制
human_approval_examples.md	高风险动作确认文本示例，包括动作、对象、风险和回滚方式
failure_cases.md	工具选错、参数错误、循环调用、引用不支持、安全拦截等失败样本
README.md	项目目标、工具清单、运行方式、trace 示例、评估结果和限制说明

这些材料会让你的 Agent 项目从“会调用工具”升级成“可追踪、可控、可复盘”的系统。

阶段通关问题

学完后，你应该能回答这些问题：Agent 和普通 LLM 应用有什么区别，工具描述为什么重要，什么任务适合 Agent，如何避免循环调用，为什么需要 trace、replay 和人工确认。

完成状态 Checklist

• 我能解释 Agent、普通 LLM 应用和 RAG 应用的区别。
• 我能定义一个工具的名称、用途、参数和返回值。
• 我能记录 Agent 的计划、工具调用、输出、错误和停止条件。
• 我已经完成一个可追踪的学习规划 Agent 或等价多步骤任务 Demo。
• 我能说明哪些操作需要人工确认，哪些工具权限必须限制。