AI Agent|大模型应用开发动手做AI Agent黄佳著202406978-7-115-64217-2TP18

这门课解决的是「怎么把大模型接进真实业务流程」的问题

很多人对大模型的使用停留在对话框里：问一句、答一句，复制粘贴到文档里就算完。可一旦回到工作场景，问题就来了——数据要从表格里读，判断要按公司规则走，结果要落回系统里，中间还得有人工确认的环节。这些事靠一次对话解决不了，得靠一个能自己拆步骤、调工具、看结果再决定下一步的程序，也就是 Agent。这门课对准的正是这个落差：不是教你把提示词写得更花，而是教你把大模型当成一个可调度的组件，围绕它搭出一套能跑完整流程的小系统。

它的主题偏工程实现，涉及任务拆解、工具调用、结果校验、多步串联这些具体环节。如果你所在岗位经常要处理「查资料—判断—填表—通知」这类重复链路，学它的收益会比较直接。

适合什么基础，先看哪几块

不需要你先成为算法工程师，但至少要能读懂一段普通代码，知道函数、接口、返回值是什么意思。完全没有编程经验的话，建议先补一门语言的基础语法再来，否则后面会卡在「代码能跑但不知道在干什么」的状态。有后端或数据分析经验的人上手会顺很多，因为大部分工作其实是流程编排和异常处理，不是模型训练。

建议的进入顺序：先看讲 Agent 基本构成的那部分，搞清楚一个智能体由哪几个角色组成、各自负责什么；再看工具调用与任务编排的章节，这是全课最核心、也最容易出问题的地方；最后看完整案例的搭建过程，跟着走一遍，理解各模块怎么咬合。前面偏概念的章节可以快读，把时间留给动手部分。若资料里同时包含偏理论的设计方法内容，先跳过，等你能跑通一个最小例子再回头翻，理解会不一样。

学完能独立做什么，资料怎么配合练习

学完之后，你应该能独立完成这样一件事：给定一个具体需求，比如自动整理某类信息并生成结构化结果，你能自己判断该拆成几步、每步交给模型还是交给代码、需要调用哪些外部能力、出错时怎么兜底，然后把它跑起来并调试到稳定。这个能力比记住某个接口更有用，因为它可以迁移到不同的业务场景。

练习上，别只跟着示例敲一遍。每学完一个环节，就换一个自己工作里的真实小需求重做一次，哪怕很小。重点观察三件事：模型在哪一步开始跑偏、工具返回的格式是否稳定、多步执行时上下文有没有丢失。这些坑在示例里往往被简化了，只有自己踩过才算学会。资料中的案例可以当参照，但不要当模板照搬，改需求、改数据、改流程，才是真正把课吃进去的方式。