shadowzzh

LEARNING.md

LEARNING.md

學習建議

← 返回主目錄

核心理念:Agent = 模型 + 上下文 + 工具

本書的核心框架是 Agent = 模型 + 上下文 + 工具,三個元件協作實現 Agent 的智慧行為:

元件 比喻 職責
🧠 模型(Model) 大腦 提供理解、推理和決策能力
💾 上下文(Context) 作業系統 系統指令、對話歷史、推理過程、工具互動記錄等
🤲 工具(Tools) 雙手 感知環境、執行操作、與外部世界互動

學習路徑

全書圍繞「模型 / 上下文 / 工具」三大支柱層層展開。每個篇章都附帶一條關鍵洞察:

篇章 章節 涵蓋內容 關鍵洞察
基礎篇 第 1 章 RL 中的 Agent 定義、傳統 RL vs LLM+RL 樣本效率、「模型即 Agent」新典範 先驗知識的重要性超越演算法和環境
上下文篇 第 2–3 章 系統提示、KV Cache、上下文壓縮、提示工程;使用者記憶、稠密/稀疏/混合檢索、Agentic RAG 完整上下文 = 系統指令 + 對話歷史 + 推理過程 + 工具記錄 + 使用者記憶 + 外部知識
工具篇 第 4–5 章 感知/執行/協作三類 MCP 工具、事件驅動非同步架構;生產級 Coding Agent 完整實現 工具設計應通用化(程式碼直譯器優於計算機),程式碼是能創造新工具的元能力
模型篇 第 6–7 章 Terminal-Bench/SWE-bench/GAIA/OSWorld/Tau2-Bench 評估基準;SFT、RL、RLHF、樣本效率 獨立驗證訊號比「讓模型再想一遍」更可靠;RL 把工具呼叫內化為原生能力
自我進化篇 第 8 章 經驗學習、工作流程外化為工具、提示與觀察蒸餾進引數 從經驗中學習是 Agent 從「聰明」走向「熟練」的關鍵
拓展與協作篇 第 9–10 章 語音/GUI/物理世界的多模態互動;多 Agent 分工協作 多 Agent 的每個設計決策都能在單 Agent 三要素中找到對應

難度分級

級別 章節 適合讀者
🟢 入門級 第 1–2 章 初學者,理解基本概念
🔵 進階級 第 3–4 章 有一定程式設計基礎,涉及系統整合
🟣 高階 第 5–6 章 較強程式設計能力,涉及複雜系統設計
🔴 專家級 第 7–8 章 有深度學習與訓練/自我進化經驗
🟠 應用級 第 9–10 章 綜合運用前面所學,建構實際應用

實踐建議

# 建議 說明
1 🛠️ 動手實踐 每個專案都設計為可獨立執行,建議親自執行並修改程式碼
2 📚 結合書籍 配合 book/ 中相應章節閱讀,理解理論與實踐的結合
3 🔬 實驗對比 多個專案包含消融研究和對比實驗,透過對比加深理解
4 🪜 漸進學習 從簡單專案開始,逐步深入複雜系統
5 🔌 關注協議 第 4 章 MCP 伺服器專案展示了標準化工具協議,這是建構可擴充 Agent 的關鍵