卷二：基础篇 — Agent 系统的核心构建块
从零到一构建 Agent 系统的必备知识体系
本卷导言
如果说卷一"认知篇"为你建立了对 Agent 领域的全局视野，那么本卷则是将视野落地的第一块基石。我们将从 Agent 的核心概念出发，逐一拆解构建一个 Agent 系统所需的关键组件。
本卷的目标读者是：
- 有一定编程经验（尤其是 Python）但尚未系统接触 Agent 开发的工程师
- 已经了解 LLM 基本用法，希望深入理解 Agent 架构的开发者
- 正在评估或规划 Agent 项目，需要扎实技术基础的技术负责人
章节结构
| 章节 | 标题 | 核心主题 | 预计阅读时间 |
|---|---|---|---|
| 第4章 | Agent 核心概念 | 架构模型、核心组件、生命周期、评估指标 | 45 min |
| 第5章 | LLM 基础与 Prompt Engineering | LLM 原理、Prompt 设计、CoT、模板管理 | 50 min |
| 第6章 | 工具调用与 Function Calling | Function Calling 机制、工具开发、错误处理 | 40 min |
| 第7章 | 记忆与上下文管理 | 短期/长期记忆、向量数据库、上下文压缩 | 45 min |
知识地图
┌─────────────────────┐
│ Agent 核心概念 │
│ (第4章) │
│ 架构 · 生命周期 │
└─────────┬───────────┘
│
┌─────────────┼─────────────┐
▼ ▼ ▼
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ LLM & Prompt│ │ 工具调用 │ │ 记忆与上下文 │
│ (第5章) │ │ (第6章) │ │ (第7章) │
│ 推理引擎 │ │ 行动能力 │ │ 信息持久化 │
└──────┬──────┘ └──────┬──────┘ └──────┬──────┘
│ │ │
└───────────────┼───────────────┘
▼
┌─────────────────────────┐
│ 完整的 Agent 系统 │
│ （卷三：进阶篇 继续） │
└─────────────────────────┘本卷学习路径
路径 A：系统学习（推荐）
按章节顺序依次阅读，每章包含：
- 概念引入 — 建立直觉理解
- 原理剖析 — 深入技术细节
- 代码实践 — 动手验证理解
- 最佳实践 — 生产级经验总结
- 常见陷阱 — 避坑指南
路径 B：按需查阅
如果你已经有一定基础，可以直接跳到感兴趣的章节：
- 想了解 Agent 是什么 → 第4章
- 想优化 Prompt 效果 → 第5章
- 想给 Agent 添加工具能力 → 第6章
- 想解决上下文长度问题 → 第7章
配套代码
本卷涉及的所有代码示例均基于 Python 3.10+，依赖库包括：
python
# requirements.txt
openai>=1.0.0 # OpenAI API 客户端
anthropic>=0.30.0 # Anthropic Claude API
langchain>=0.1.0 # Agent 框架（参考实现）
chromadb>=0.4.0 # 向量数据库
pydantic>=2.0.0 # 数据验证说明：代码示例尽量不依赖特定框架，使用原生 API 调用，以便你理解底层原理后自由选择框架。
前置知识
阅读本卷前，你应该具备：
- ✅ Python 编程基础（函数、类、异步编程）
- ✅ REST API 的基本概念
- ✅ 对 LLM（如 ChatGPT）有基本使用经验
- ✅ 了解 JSON 格式
以下知识有帮助但非必须：
- 机器学习基础概念（训练、推理、Token）
- 向量/矩阵的基本数学概念
- Docker 基本使用
下一步：进入 第4章：Agent 核心概念，正式开启 Agent 系统的探索之旅。