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。

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。