• 请不要在回答技术问题时复制粘贴 AI 生成的内容
charlesss
V2EX  ›  程序员

从零学习 AI Agent,先学原理还是直接上框架?

  •  3
     
  •   charlesss · 13h 54m ago · 2277 views
    最近想学习 AI Agent 开发,希望可以写出简单的 Agent 产品,可以独立运行,而不只是简单调用大模型 API 做一个聊天页面。

    我的基础偏全栈,目前对 Agent 开发基本是零基础,不了解具体的实现原理、技术栈和工程实践,目前使用过各种热门 Agent 但是只是使用。

    现在主要有几个困惑:

    1. 比较合理的学习顺序是什么?
    2. 应该先用原生大模型 API 实现一个简单 Agent ,还是直接学习 Agent 框架?,开发 Agent 应该不需要区分语言?
    4. Function Calling 、MCP 、RAG 、记忆、工作流等概念应该按照什么顺序学习?
    5. 有哪些适合新手的实战项目,可以从简单调用工具逐步做到完整应用?
    6. 目前有哪些值得学习的框架、开源项目、课程或文章?

    我现在的初步想法,是先做一个能够调用几个外部 API 、完成简单任务的助手,再逐渐增加搜索、知识库、任务步骤和执行状态展示等功能。

    想请有 Agent 实际开发经验的朋友分享一下学习路线和踩坑经验。

    感谢。
    25 replies    2026-07-31 19:00:55 +08:00
    qimeng123
        1
    qimeng123  
       13h 50m ago   ❤️ 1
    用框架都是 2025 年时常规做法,后来因为过于复杂,一般 agent 用不到,用框架都是复杂分支和动态扇出。
    agent 最稳的是手搓。大概就是:用的 llm ,是否支持 fun-calling (旧模型或小模型大不支持),状态存哪几张表、迁移可不可逆?断流了怎么接得上?然后就地基层(校验器/沙箱/加载器,零依赖纯函数,同层互不 import )→ 工具层( schema + dispatch + 幂等)→ 循环层(内循环 40 行 + 外循环状态机)
    sentinelK
        2
    sentinelK  
       13h 47m ago   ❤️ 2
    1:没有顺序。Agent 的本质就是 ReAcT 这篇论文。
    2:目前流行的 Agent 都是“反框架”的。
    4:没有顺序,他们分别只是不同的能力。你说你是先学走路、先学吃饭还是先学说话?都要学,但哪个先学都可以。
    5:OpenCode 就不错
    6:没有突出的,或者说大家都一样。Agent 这个东西他就没有客观评价体系。主观的输入 + 主观的引擎 = 主观的结果。
    jedeft
        3
    jedeft  
       13h 44m ago
    直接手搓,不用框架,目前没有好用的框架。
    RealMan
        5
    RealMan  
       13h 41m ago   ❤️ 1
    如果想基于现有 agent 框架扩展,可以看看[pi]( https://github.com/earendil-works/pi)。但这个不是一个框架,更像是一个最小的 agent harness 实现,方便进行后续扩展。
    charlesss
        6
    charlesss  
    OP
       13h 31m ago
    @qimeng123 高深,使用上好像确实是这么个意思,有推荐的学习资料么,或者是怎么入门?
    charlesss
        7
    charlesss  
    OP
       13h 30m ago
    @sentinelK 有推荐的入门资料或者视频吗
    ccpp132
        8
    ccpp132  
       13h 8m ago
    目前很大程度上变成做 skill 和 tools 了
    kenanyah
        9
    kenanyah  
       12h 52m ago
    我是直接先用原生大模型 API 实现结合 ai 一个简单 Agent ,对于其他复杂的功能,缺什么再去补,比如如何兼容多套 llm ,记忆日志这些怎么接入,会话如何管理,工具系统,先自己想一下,反正结合 ai 问着来学,后面面向更复杂更工业化级别的就去看源码,pi 不错的,也不算很复杂,但是架构很清晰,这些搞完只是单体,后面我觉得多服务的架构就是更后端工程化的了。
    yizhiqianyan
        10
    yizhiqianyan  
       12h 43m ago
    直接手搓吧,完全不用框架顶多引入 openai 的 api 调用包,其他的 vibe 出来难度不大
    基本结构就是 上下文管理 + tools + loop + 状态管理
    还有上下文压缩也属于上下文管理
    LLM 的接入一般都是 openai 格式的,但不同 LLM 还是会有一些差异需要微调和兼容

    再往后就可以关注可观测性、恢复执行、执行沙箱(我也没玩到)、命令执行授权、记忆管理 大概记得的就这些了

    先从最简单的 loop + tools 开始玩就行了, 搓出来后还是有一点正反馈的
    ttsh
        11
    ttsh  
       12h 33m ago
    学完了发现这些东西都是现有 ai 编辑器有的功能,哈哈,我刚学完
    ren7346
        12
    ren7346  
       12h 24m ago   ❤️ 1
    v2NPC
        13
    v2NPC  
       11h 55m ago
    上手就完事儿了,没那么复杂 pydantic-ai
    AdminNB
        14
    AdminNB  
       10h 59m ago   ❤️ 1
    1 、学的慢了可以不用学了,每过一段时间都会出新的概念,照着新概念去学,比如最开始的提示词工程、上下文管理、再到 Agent Loop 和 ReAct 、Harness 等等,照着新的学,新的包含了旧的
    2 、不学框架。自己去实现调用过程,研究各个参数是干什么的,然后去手搓框架,照着这 3 种 api 去做兼容:Chat Completions API 、Responses API 、Messages API
    4 、从基本的聊天开始,然后加上工具调用,就是写一些 read 、write 、grep 、glob 之类的工具,老项目接入 ai ,无非就是通过工具包装一下接口,ai 生成调用接口的参数,反正就是调 API ;
    如果要接外部的工具,就去实现 MCP 协议,无非就是通过 jsonrpc 传递参数和工具名称之类的;
    至于 RAG ,就是把文字变成向量然后去检索,找个向量库去试试,学一下切片策略,然后把向量库检索作为一个工具,这就变成了 Agentic RAG ;
    然后就是 Skill 了,就是在提示词里把 skill 的名称、简介、路径放上,ai 去选择 read 等等工具,去读 markdown ,把读出来的内容放到上下文里;
    接下来研究下上下文怎么控制、上下文怎么压缩之类的了
    再往后就是任务规划、任务编排、记忆了,照着各个 agent 工具抄就行,比如,提供一个 todo-list 工具,让 ai 把规划好的任务和任务状态给存进去,让 ai 即使反馈和维护状态,就参考 superpower 、trellis ,去抄设计思路就完了;
    5 、对着现有的功能去抄,比如抄 Codex 、OpenCode 、Claude Code 等等
    6 、直接去读各个模型供应商的文档,碰到不懂的去查
    menfrexu
        15
    menfrexu  
       10h 53m ago
    https://github.com/Menfre01/waveloom 可供学习,从 0 到 1 撸出来的 code agent ,实际没有想象中难。花了两个月烧了 75 亿 token 从 0 经验开发出来
    ntdll
        16
    ntdll  
       10h 34m ago   ❤️ 1
    原理可以先了解,然后手搓简单版本的试一下效果,比如 tool call 是怎么实现的

    原理本质上并不复杂,AgentLoop 、ReAct 往简单了说就是 for/while 循环

    但是没手搓过,可能对这个循环的概念并不深刻
    menfrexu
        17
    menfrexu  
       10h 26m ago
    可以看看我的 blog ,会 share code agent 一线开发的资料 https://github.com/Menfre01/waveloom-blog
    yh7gdiaYW
        18
    yh7gdiaYW  
       10h 22m ago
    最基本的原理就是个大循环,一直调大模型,大模型返回 tool call ,你执行完调用把结果塞回去,直到循环到大模型不返回 tool call 就结束了,输出结果。

    原理没啥可看的,直接上框架
    coderxy
        19
    coderxy  
       10h 13m ago
    我也写了 4 个月 agent 了, 到现在也没理解那些框架的意义在哪里。 特别是 langchain 这种,不就是组装个 llm 请求吗?
    coderxy
        20
    coderxy  
       10h 13m ago
    你要不要拉个微信群, 大家一起探讨探讨 agent 开发
    ota
        21
    ota  
       10h 10m ago
    先做个 mvp ,然后堆叠技术栈做路线图学习。
    saaak
        22
    saaak  
       9h 47m ago
    有人自学然后找到工作的吗
    casperZhao
        23
    casperZhao  
       9h 45m ago
    最近在看这个项目 https://github.com/bojieli/ai-agent-book 学底层原理 有空一起交流啊
    binhsu
        24
    binhsu  
       9h 23m ago
    可以参考 pi agent 项目,核心代码就几千行,很好理解。
    menfrexu
        25
    menfrexu  
       8h 45m ago
    @coderxy 有交流群吗,想入
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   919 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 49ms · UTC 19:46 · PVG 03:46 · LAX 12:46 · JFK 15:46
    ♥ Do have faith in what you're doing.