学习路径：从模型调用到企业级智能执行平台

阶段 1：基础入门

目标：做出一个能稳定调用工具的单 Agent。

需要学习：

• LLM 基础；
• Token 与上下文窗口；
• Prompt / Instruction；
• Structured Output；
• Function Calling；
• 基础 RAG；
• 简单 Tool Calling。

建议产出物：

一个可以调用搜索 / 数据库 / 文件工具的单 Agent Demo。

阶段 2：进阶开发

目标：做出一个能处理多步骤任务的 Agent。

需要学习：

• Agent Loop；
• Planning；
• Task Decomposition；
• Memory；
• RAG 优化；
• Tool Retry；
• Error Handling；
• Plan Review。

建议产出物：

一个可以拆解任务、调用多个工具、输出阶段结果的 Agent。

阶段 3：工程化架构

目标：做出一个可运行、可追踪、可恢复的 Agent 系统。

需要学习：

• Workflow Engine；
• Harness；
• State Store；
• Sandbox；
• Observability；
• Human-in-the-loop；
• MCP；
• Permission Control。

建议产出物：

一个具备状态、日志、审批、恢复能力的 Agent Runtime。

阶段 4：产品化落地

目标：构建企业级 AI Workbench。

需要学习：

• AI Workbench UX；
• Task UI；
• Context Visualization；
• Skill Registry；
• Evaluation；
• Governance；
• Semantic Layer；
• ROI Design。

建议产出物：

一个面向真实业务场景的 AI Agent 工作台。

能力升级路径

阶段	工程师能力	核心产出
初级	LLM、Prompt、Tool Calling	单 Agent Demo
中级	RAG、Memory、Agent Loop	多步骤 Agent
高级	Skill、Workflow、Harness	可运行 Agent Runtime
架构师	Semantic Layer、Governance、Workbench	企业级智能执行平台