这是《手搓 Agent》系列的导读,也是目录。后面每发一篇,我会回来把链接补上。
一、为什么写这个系列
我学 Agent 的时候,最头疼的不是哪个概念难,是概念太多、连不起来。RAG、MCP、Skill、Harness、多 Agent,每个单独看都能看懂一点,合在一起就不知道谁和谁是什么关系,该先学哪个。
后来我发现它们都能挂到一句话上:
Agent = 大脑(模型)+ 眼睛(上下文)+ 手脚(工具)
模型负责想,上下文决定它能看到什么,工具让它能动手。其他的名词,要么是在帮它看得更准,要么是在帮它的手更巧,要么是在管住它别闯祸。
这个系列就是顺着这句话,把我学到的东西从头理一遍。写的时候我尽量多讲“为什么要这样设计”,少讲“怎么配置”,因为配置会变,道理变得慢。
二、写给谁
会一点 Python,知道函数、字典、循环是什么,但没做过 Agent 的人。不需要懂机器学习,也不需要用过任何 Agent 框架。
三、一张地图
图 0-1 全系列的地图。之后每一篇开头都会放这张图,标出那一篇在讲哪一块。
图上有五块:
| 哪一块 | 是什么 | 讲什么 |
|---|---|---|
| 大脑 | 模型本身 | 它会什么,不会什么 |
| 手脚 | 工具 | 怎么让它动手,手怎么越来越巧 |
| 眼睛 | 上下文 | 它看到什么,记住什么,去哪里查资料 |
| 缰绳 | 模型外面那一圈管束 | 怎么管住它,怎么知道它做得好不好 |
| 帮手 | 多个 Agent | 一个不够用的时候,怎么让几个一起干活 |
四、怎么学:手搓一个小项目
光看概念容易觉得都懂了,一动手就不会。所以整个系列围着一个小项目讲,我叫它小记:一个命令行里的小助手,帮我管理一个本地的笔记文件夹,能查笔记、读笔记、做汇总。
第一篇的小记只有 20 行,只会聊天。之后每一篇给它加一样本事,第十篇讲完,一个 Agent 该有的部分它就都有了。
图 0-2 小记一共十个版本,每篇升一版。颜色对应地图上的那一块。
全程不用任何 Agent 框架,直接调模型的接口。框架会把最关键的那个循环藏起来,用起来方便,但看不到里面发生了什么。自己写过一遍之后再去用框架,上手会很快,出了问题也知道该往哪查。
五、十篇目录
| 篇 | 标题 | 这一篇回答什么 |
|---|---|---|
| ① | 先有大脑——大模型只会做一件事 | 模型本身会什么、不会什么 |
| ② | 长出手脚——工具调用和一个 while 循环 | 模型没有手,怎么“调用工具” |
| ③ | 睁开眼睛——上下文是它看到的全部世界 | 一次请求里它到底看到了什么 |
| ④ | 长点记性——上下文满了怎么办,怎么记住上一次 | 装不下怎么办,重开对话怎么不忘 |
| ⑤ | 学会翻书——RAG,先查资料再回答 | 资料多到读不完怎么办 |
| ⑥ | 练出巧手——好工具长什么样,再给它一台电脑 | 工具怎么设计它才用得对 |
| ⑦ | 借来工具箱——MCP 和 Skill | 怎么用上别人写好的能力 |
| ⑧ | 套上缰绳——哪些事不能让它自己做主 | 模型会犯错,靠什么兜住 |
| ⑨ | 给它打分——怎么知道它变好了还是变差了 | 改完到底有没有变好 |
| ⑩ | 找来帮手——多 Agent,以及回头看全图 | 一个不够用时怎么办 |
十篇是连着的。每一篇结尾会留一个那一篇解决不了的问题,下一篇从这个问题开始讲。
六、怎么读
- 按顺序读,后面的篇目会直接用前面讲过的东西。
- 每篇十几到二十几分钟,一次读一篇就够。
- 代码都写在文章里,每一段单独复制出来就能跑。文章的重点是讲清楚道理,代码是为了让道理看得见,只看不跑也可以。
想跟着跑的话,需要准备三样东西:
- Python 3.10 或更高版本。
- 装一个包:
pip install openai。 - 一个模型接口的 Key。任何兼容 OpenAI 接口的模型都可以,我用的是 DeepSeek。
然后设置三个环境变量,告诉代码去哪里找模型:
export LLM_BASE_URL=https://api.deepseek.com
export LLM_API_KEY=你自己的Key
export LLM_MODEL=deepseek-flash
注意 文中讲的都是通用的道理。不同的模型、不同的服务,实现细节会有出入,模型的回答本身也带着随机,你跑出来的结果和我写的不完全一样,是正常的。
下一篇
第一篇先不碰 Agent,只回答一个问题:Agent 和我们每天在用的聊天机器人,到底差在哪?