1. 从会聊天的模型到能办事的Agent先厘清概念边界很多人第一次接触 AI Agent 开发脑子里其实是一团浆糊大模型、LLM、Agent、AI 模型这几个词天天在热搜上滚但到底谁是谁、谁包含谁说不清楚。我见过不少简历上写着熟悉 Agent 开发的人聊两句就露馅——把调用一次 API 返回一段文本当成了 Agent。所以这篇东西我不打算从什么是人工智能讲起而是直接从工程视角把概念切干净再往下讲怎么搭、怎么调、怎么避坑。先把最容易被混淆的一组关系摆出来。大模型是个宽泛的统称指参数规模大、经过海量数据训练的神经网络模型它可以是纯文本的也可以是多模态的能看图、听声音。LLMLarge Language Model是大模型里的一个子集专指语言模型这一类。而大家常挂在嘴边的 DeepSeek、Qwen、GPT 系列、Claude 系列都属于具体的 LLM 产品/模型权重。至于AI Agent它不是模型而是一套以 LLM 为推理内核、能自主规划并调用工具去完成目标的软件系统。一句话概括LLM 是大脑Agent 是大脑 手脚 记忆 工作流程。这个区分为什么重要因为它直接决定了你开发时的工作重心。如果你做的是纯 LLM 应用比如一个文案润色工具你的核心工作是提示词工程——把指令写清楚把输出格式约束好。但如果你做的是 Agent提示词只是其中一环你还要处理工具定义、任务拆解、状态管理、错误重试、上下文裁剪这一整套工程问题。我个人的经验是一个能跑通的 Agent 项目里提示词相关的工作量大概只占三成剩下七成全是围绕怎么让模型稳定地做出正确决策并正确调用工具。再补一个常被问到的点Agent 和普通套壳聊天的本质差别在哪差别在于控制流的归属。普通聊天应用里控制流在你手里——用户输入你拼提示词调模型拿结果结束。而在 Agent 里控制流部分交给了模型模型自己决定要不要调用工具、调用哪个、调用几次、什么时候停下来。这就带来一个工程上的核心矛盾——你既要给模型足够的自由度去应对复杂任务又要给它足够的约束防止它跑飞。后面几节讲的几乎所有技巧本质上都是在平衡这两者。理解了这层你再看那些热搜词——agent 和 llm 和 ai 模型有什么区别、agent 开发需要哪些技术栈——就不会觉得是零散的知识点了它们其实是同一个认知框架下的不同切面。2. Agent 的骨架把自主性拆成可实现的四个部件2.1 推理内核与它的能力边界推理内核就是那个 LLM。选型时很多人一上来就问哪个模型最强这其实是个伪命题因为 Agent 场景下你要看的不是通用榜单分数而是三个具体指标指令遵循能力、工具调用Function Calling的稳定性、以及长上下文下的注意力保持。我踩过的坑是某个模型在聊天里表现惊艳但一让它按 JSON schema 输出工具调用参数就开始漏字段、加解释性文字导致解析失败。这种模型再聪明也不适合做 Agent 内核。关于本地部署热搜里ollama 本地部署大模型哪个模型最佳、rx6750gre 训练大模型这类问题特别多。我的建议很直接本地部署优先用于开发和隐私敏感场景生产环境要慎重。7B 级别的模型比如 Qwen2.5-7B在消费级显卡上跑推理是可行的但工具调用的稳定性明显不如更大的模型。如果你只是学习 Agent 开发流程本地跑一个 7B 模型完全够用但如果你要做真正能上线的 Agent模型能力的天花板会直接决定你 Agent 的可靠性上限。2.2 工具层Agent 的手脚怎么定义工具就是 Agent 能调用的外部函数。它可以是查数据库、调 API、读文件、执行计算、发消息。定义工具时有个反直觉的经验工具的描述文字比工具本身的实现更影响成功率。模型是靠读你的工具描述来决定调不调的描述写得含糊模型就会乱调或者不调。一个合格的工具有四个要素名称语义清晰、动词开头、描述说明什么时候用、什么时候不用、参数 schema类型、必填项、取值范围、返回值约定成功和失败分别返回什么结构。我见过太多人参数 schema 写得极其宽松全是 string 类型结果模型传进来的东西五花八门后端解析直接崩。参数类型能收紧就收紧枚举值能列全就列全这是省下大量调试时间的笨办法但极其有效。2.3 记忆短期上下文与长期存储的分工Agent 的记忆分两层。短期记忆就是当前对话的上下文窗口它决定了 Agent 能记住多久之前的事。长期记忆则是外部的向量库或结构化存储用来跨会话保留信息。热搜里ai agent skill memory mcp提到的 memory说的就是这套机制。这里有个关键工程决策不是所有历史都要塞进上下文。上下文越长成本越高、延迟越大而且模型在超长上下文里反而容易迷失。我的做法是分层处理——最近几轮对话原样保留更早的对话做摘要压缩重要事实用户偏好、已确认的结论抽出来存进长期记忆需要时再检索回来。这套上下文工程的思路其实是提示词工程的延伸提示词工程管的是这一次怎么问上下文工程管的是这一轮该带哪些信息进来。2.4 编排循环让 Agent 真正跑起来编排循环是 Agent 的心脏。最基础的形态是 ReAct 模式模型思考Reason→ 决定行动Act→ 观察结果Observe→ 再思考循环直到任务完成或达到终止条件。听起来简单但工程上有几个必须处理的点。第一是终止条件。必须有最大步数限制否则模型可能陷入死循环反复调用同一个工具。第二是错误处理。工具调用失败时要把错误信息结构化地喂回给模型让它有机会换策略而不是直接崩掉。第三是中间状态的可观测性。Agent 跑起来后你得像看日志一样能看到它每一步在想什么、调了什么、拿到了什么否则出了问题根本无从下手。我强烈建议在开发阶段把每一步的推理和工具调用都打印出来这个习惯能帮你省下无数排查时间。3. 提示词工程在 Agent 里的真实位置3.1 系统提示词决定了 Agent 的人格和纪律在 Agent 里系统提示词不是可有可无的开场白它是行为规范。它要回答几个问题你是什么角色、你的目标是什么、你能用哪些工具、遇到不确定时该怎么办、绝对不能做什么。我写系统提示词有个习惯把它当成给一个新员工的入职手册来写——具体、可执行、有边界。一个常见的错误是把系统提示词写得太客气。你是一个乐于助人的助手请尽力帮助用户这种话对 Agent 几乎没用。有效的写法是给出明确的决策规则比如当用户询问实时数据时必须先调用查询工具不得凭记忆回答、如果工具返回空结果最多重试一次然后如实告知用户。规则要具体到可判定模型才能稳定执行。3.2 少样本示例比长篇描述更管用与其用一大段文字描述你应该怎么调用工具不如直接给两三个完整的调用示例。模型对示例的模仿能力远强于对抽象规则的理解能力。我通常会在系统提示词里放一组输入 → 思考 → 工具调用 → 输出的完整样例覆盖最典型的场景。实测下来加了示例之后工具调用的格式错误率能降一大截。但示例也不是越多越好。示例太多会挤占上下文还可能让模型过度拟合到示例的具体形式。我的经验是三到五个高质量示例是甜点区覆盖正常路径、边界情况和错误处理各一个。3.3 输出格式约束让下游能解析Agent 的输出往往要被程序解析所以格式约束是刚需。最稳的做法是优先用模型原生的结构化输出能力比如 Function Calling 或 JSON mode而不是靠提示词里写请输出 JSON。因为前者是模型层面强约束的后者只是请求模型心情不好就可能给你加个好的以下是结果的前缀解析直接失败。如果不得不用提示词约束格式那就在提示词里把 schema 写死并明确只输出 JSON不要任何其他文字。同时后端解析一定要做容错——去掉可能的 markdown 代码块标记、处理前后空白、对解析失败做重试。永远不要假设模型会 100% 遵守格式这是我在生产环境里用血换来的教训。4. 开发框架怎么选别被框架两个字绑架4.1 先问自己需不需要框架热搜里agent 开发需要哪些技术栈、javaee开发框架、node 开发 flow agent这类问题背后藏着一个默认假设做 Agent 必须用某个框架。我的观点是——简单的 Agent 用原生代码 SDK 就够了框架是等你被复杂度逼到墙角时才引入的。一个只有两三个工具、单轮任务、不需要复杂记忆的 Agent你用几十行代码直接调模型 API 就能实现引入框架反而增加了一层你不理解的抽象出问题时排查成本更高。什么时候该上框架当你的 Agent 需要多步规划、多工具协同、状态持久化、多 Agent 协作时框架提供的编排、状态管理、可观测性能力才开始值回票价。4.2 主流框架的取舍逻辑市面上的 Agent 框架大致分几类。一类是通用编排框架提供 Agent 循环、工具注册、记忆管理等抽象适合快速搭原型。一类是图/工作流框架把 Agent 的执行过程建模成有向图节点是步骤、边是转移条件适合流程明确、需要精细控制的场景。还有一类是轻量 SDK只提供模型调用和工具调用的基础封装把编排逻辑留给你自己写。选型的核心问题是你的任务流程是确定的还是涌现的如果流程基本固定比如先查数据、再分析、再生成报告用工作流框架把流程画出来可控性最高。如果任务高度开放比如一个能处理各种用户请求的通用助手那就需要更自由的 Agent 循环让模型自己决定路径。我个人的偏好是能用确定性代码写死的部分绝不交给模型决策。模型只负责它真正擅长的——理解模糊意图、做非结构化判断。4.3 技术栈的现实考量语言层面Python 生态最成熟几乎所有模型 SDK 和 Agent 框架都优先支持 Python做原型和实验首选。但如果你的 Agent 要嵌入已有的 Java 或 Node 后端系统那就得权衡——是让 Agent 作为独立服务用 Python 写、通过 HTTP 对接还是用对应语言的 SDK 硬写。我的建议是Agent 服务独立部署用最顺手的语言写通过清晰的接口和主系统解耦。这样模型迭代、框架升级都不会牵动主系统。5. 从零搭一个能用的 Agent完整实操链路5.1 环境准备与最小可运行版本先搭一个最小闭环别一上来就追求功能齐全。最小版本包含一个模型调用封装、一个工具注册机制、一个 ReAct 循环、一个命令行交互入口。这个版本可能只有一两百行代码但它能让你把整条链路跑通理解数据是怎么流动的。环境上Python 项目建议用虚拟环境隔离依赖模型调用优先用官方 SDK。如果你用本地模型Ollama 这类工具能让你用统一接口调用本地模型开发阶段切换模型很方便。关键是把模型调用抽象成一个函数输入是消息列表和工具定义输出是模型回复这样换模型时只改这一处。5.2 工具注册与调用的实现细节工具注册我推荐用一个装饰器或注册表模式把函数和它的 schema 绑定在一起。每个工具函数要处理三件事参数校验防止模型传错类型、异常捕获工具内部报错不能直接抛出要转成结构化错误返回给模型、返回值序列化统一成模型能理解的格式。调用环节最容易出问题的是参数解析。模型返回的工具调用参数可能是 JSON 字符串也可能已经是对象不同 SDK 行为不一致。一定要写健壮的解析逻辑解析失败时把原始内容记进日志方便定位是模型的问题还是解析的问题。5.3 循环控制与终止策略循环控制要设三道闸。第一道是最大迭代次数防止无限循环。第二道是重复调用检测如果模型连续用相同参数调用同一个工具说明它卡住了应该中断并报错。第三道是超时控制整个任务设一个总时长上限避免某个工具卡死拖垮整个请求。终止策略上除了任务完成这个正常终止还要处理模型认为无法完成的情况。要让模型有能力说我做不到而不是硬编一个答案。这需要在系统提示词里明确告诉它当信息不足或工具无法解决问题时如实说明不要编造。5.4 可观测性开发阶段的生命线前面提过但值得单独强调。开发阶段一定要把每一步的完整信息打出来模型的思考内容、决定调用的工具和参数、工具返回的结果、下一步的决策。最好能把这些结构化存储方便回放和分析。我习惯给每次 Agent 运行生成一个 trace id所有日志带上这个 id排查问题时能完整还原一次执行过程。这个投入在项目变复杂后回报巨大。6. 那些文档不会告诉你的坑6.1 工具描述写得太聪明反而坏事新手容易把工具描述写得又长又全恨不得把所有可能性都列上。结果模型读完反而抓不住重点该调的时候犹豫不该调的时候乱调。我的经验是工具描述要短、要聚焦在什么时候用实现细节不用写进去。一个工具只干一件事职责单一模型判断起来才准。6.2 上下文不是越多越好很多人觉得把历史对话全塞进去模型就能记住一切。实际上上下文越长模型越容易忽略中间部分的信息所谓的lost in the middle现象而且成本和延迟都上去了。正确的做法是主动管理上下文该压缩的压缩该丢弃的丢弃该检索的检索。把最相关的信息放在上下文的开头和结尾中间放次要信息。6.3 别指望模型自己学会你的业务规则模型不知道你的业务细节你不告诉它它就会按通用常识瞎猜。所有业务规则、边界条件、特殊处理都必须显式写进系统提示词或工具描述里。我见过有人抱怨模型怎么连这个都不懂一问才知道规则压根没写进去。模型不会读心它只会读你给它的文字。6.4 错误处理要喂回给模型工具调用失败时直接把异常抛给用户是最差的做法。正确姿势是把错误信息结构化后喂回给模型让它有机会调整策略。比如查询超时了告诉模型查询超时可以尝试缩小查询范围或稍后重试模型往往能自己找到替代方案。这个机制能显著提升 Agent 的鲁棒性。6.5 测试要覆盖模型不听话的情况普通软件的测试是确定性的输入 A 必然得到 B。Agent 的测试是概率性的同样的输入可能得到不同结果。所以测试策略要变重点测边界和异常路径比如工具返回空、工具报错、模型输出格式错误、模型陷入循环。这些不听话的情况才是 Agent 真正容易崩的地方。我通常会给每个工具写 mock模拟各种异常返回然后观察 Agent 能不能优雅处理。7. 学习路线与进阶方向7.1 一条务实的入门路径如果你现在完全零基础我建议的顺序是先花时间把 LLM 的基本调用跑通理解消息角色、上下文、token 这些概念然后写一个最简单的工具调用示例理解 Function Calling 的机制接着手写一个 ReAct 循环不借助任何框架最后再引入框架对比框架帮你省了哪些事。这个顺序的好处是你先把底层机制摸透了用框架时才不会知其然不知其所以然。热搜里ai agent 入门教程、agent 开发学习路线这类内容很多但大部分要么太浅只讲概念要么太跳直接上框架。我建议你以动手为主每学一个概念就写代码验证。Agent 开发是门实践性极强的活看十篇教程不如自己踩一个坑。7.2 面试和进阶该准备什么如果你在准备 Agent 开发岗的面试高频考点集中在几块Function Calling 的原理和实现、ReAct 等 Agent 范式的区别、上下文管理策略、多 Agent 协作的架构、以及如何评估 Agent 的效果。评估这块特别容易被忽略——你怎么知道你的 Agent 变好了需要有一套评测集和指标比如任务完成率、工具调用准确率、平均步数、失败原因分布。能讲清楚怎么评测的人在面试里会明显加分。进阶方向上多模态 Agent能处理图像、语音、多 Agent 协作多个 Agent 分工完成复杂任务、以及 Agent 的自动化运维比如用 Agent 做系统巡检都是当前比较热的方向。但我的建议是先把单 Agent 做扎实多 Agent 的复杂度是指数级上升的单 Agent 都没搞明白就上多 Agent基本是给自己找罪受。7.3 关于要不要学微调热搜里大模型微调、qwen2.5-7b 微调行业大模型这类内容热度很高。我的看法是对绝大多数 Agent 开发场景微调不是第一优先级。先把提示词工程、工具设计、上下文管理做好能解决八成问题。微调适合的是那些有大量领域数据、且通用模型确实无法通过提示词达到效果的场景。而且微调有维护成本——模型更新了、数据变了你可能要重新调。所以除非你确认提示词路线走不通否则别急着上微调。8. 我踩过的几个真实坑说几个具体的。第一个是工具返回值太大。有次我让 Agent 查数据库工具直接把几万行结果返回了塞进上下文后模型直接懵了后续推理全乱。后来改成工具内部先做聚合和截断只返回摘要和关键字段问题立刻解决。工具返回给模型的数据要精炼不是越多越好。第二个是模型对工具名的理解偏差。我有个工具叫search本意是搜内部知识库但模型经常把它当成上网搜索来用参数传得乱七八糟。后来把名字改成search_internal_knowledge_base描述里明确写仅用于查询公司内部文档不用于互联网搜索误用率大幅下降。工具命名要带上下文别用太通用的词。第三个是并发场景下的状态污染。早期我把对话历史存在全局变量里单用户测试没问题一上并发就串了。后来改成每个会话独立的状态对象用会话 id 隔离才彻底解决。Agent 的状态管理一定要按会话隔离这是基本纪律。第四个是过度依赖模型的常识。有次让 Agent 处理日期我以为模型肯定知道下周三是哪天结果它算错了。后来我在系统提示词里注入了当前日期并明确要求所有日期计算必须调用日期工具不再依赖模型心算。凡是涉及精确计算、实时信息、业务规则的一律走工具别信模型的记忆。9. 关于工具链和生态的一点个人看法现在 Agent 相关的工具和框架更新极快今天学的 API 明天可能就变了。面对这种快速变化我的应对策略是抓住不变的东西Agent 的核心循环思考-行动-观察、工具调用的本质结构化地让模型触发外部函数、上下文管理的目标在有限窗口里放最相关的信息。这些是不随框架更迭而改变的底层逻辑。框架只是这些逻辑的不同实现方式理解了底层换框架就是换个写法而已。另外别盲目追新。看到一个新框架就冲上去用结果项目里堆了一堆半生不熟的依赖维护起来苦不堪言。我的原则是生产项目用成熟稳定的方案个人学习可以大胆试新。把新东西在玩具项目里玩透了确认靠谱再往正式项目里引。最后分享一个我自己的习惯每做完一个 Agent 项目我都会把这次遇到的坑、用到的技巧、以及下次一定不这么干的地方记下来。Agent 开发这行经验基本都是从坑里爬出来的文档能教你的有限真正让你进步的是那些让你熬夜排查的诡异问题。把这些记下来下次遇到类似场景你就能少走一大截弯路。