写在前面
这个系列是我学习 AI Agent 过程中的记录，边学边写，不保证每篇都写得很完整，但会尽量把核心概念和实际跑通的代码都留下来。
关于agent是什么，目前看到的最好的综述是google和anthoropic的agent的白皮书：
这个系列主要的目的是：把这些概念搞清楚，配上可以实际运行的代码，补上那些白皮书里没有的"中间过程"。
如果你也在学这块内容，希望能有些参考价值。
实验环境
本实验使用python和langchain的执行环境构建可以运行的demo说明概念：
- 运行环境：Google Colab 或本地 Python 环境均可，示例代码不依赖特定平台
- 语言模型：示例以 GPT-4 为主，国内用户可替换为通义千问（Qwen），LangChain 对两者都有良好支持，切换成本不高
- LangChain / LangGraph：Agent 构建与流程编排
- LlamaIndex：知识检索与记忆管理
目前计划写包括以下的几个部分
系列目录
| 篇章 | 主题 |
|---|---|
| 01 | 别只会"Hi"了：给大模型装上手脚，5分钟变身 Agent |
| 02 | 拿起你的"万能扳手"：玩转 LangChain 工具与 MCP 新协议 |
| 03 | 拒绝"瞎忙活"：看 ReAct 架构如何教 Agent 三思而后行 |
| 04 | 告别"鱼的记忆"：用 LlamaIndex 给 Agent 塞块外置硬盘 |
| 05 | 老板，请签字！在 Agent 的狂奔之路上加一道"防杠杠" |
| 06 | 进化论：Agent 也会"刷怪升级"？聊聊技能积累与自我迭代 |
| 07 | 别动，让我来！代码 Agent 与"接管"你屏幕的数字化身 |
| 08 | 是骡子是马？给你的 Agent 安排一场严丝合缝的"期末考试" |
参考资料
持续更新中，欢迎交流。
