[!info] related notes

• 相关 MOC: Agent MOC, AI MOC, Python MOC
• 参考路线: Python 大模型应用开发 MOC
• 基础概念: Agent, 大语言模型

学习 AI Agent MOC

从最小可运行的例子出发，一步步搭建 AI Agent。以 Python + OpenRouter 为主线。

这张地图覆盖什么

本 MOC 是 AI Agent 开发的实战学习路径，不同于 Agent MOC 的概念全景，这里聚焦”动手做”：

• 怎么调 API
• 怎么处理流式响应
• 怎么加记忆
• 怎么接工具
• 怎么跑起一个完整的 Agent
• 怎么做多步骤 Pipeline
• 怎么做自我修正循环
• 怎么做多 Agent 协作
• 怎么把 Agent 部署成 API 服务

从这里开始

第一步：能调通 API

1. Python 调用 AI 接口 — 用 requests 调 OpenRouter，理解流式 SSE 响应

第二步：手写工具调用

2. Python Tool Calling Agent — 手写带工具的 Agent，理解 tool calling 完整流程

第三步：RAG 文件问答

3. Python RAG 文件问答 Agent — chunking、embedding、向量检索，先搜后答

第四步：网页调研 Pipeline

4. Python 网页调研 Agent — 多步骤 Pipeline：生成关键词 → 搜索 → 抓取 → 提取 → 报告

第五步：自我修正

5. Python Bug 修复 Agent — 执行-观察-修正循环，Reflection 模式

第六步：多 Agent 协作

6. Python 多 Agent 写作团队 — 角色分离 + 中间结果传递 + 质量检查

第七步：服务化部署

7. Python Agent API 服务 — FastAPI 路由、认证、日志、错误处理

核心概念

• Agent — Agent 是什么，和普通程序有什么区别
• 大语言模型 — 模型能做什么、不能做什么
• 服务端推送 (SSE) — 流式传输协议
• Function Calling — 模型如何输出工具调用指令
• Agent 中的 Tool Use — 工具调用在 Agent 中的角色
• Augmented LLM — 模型 + 检索/工具/记忆
• [[pipeline-pattern|Pipeline 模式]] — 多步骤串行执行，传递中间结果
• [[reflection-pattern|Reflection 模式]] — 执行-观察-修正循环
• [[multi-agent-pattern|多 Agent 模式]] — 角色分离 + 中间结果传递

核心概念速查

概念	一句话	对应笔记
LLM	大语言模型，Agent 的”大脑”	llm
Agent	LLM + 指令 + 工具 + 循环	agent
Tool Use	让模型调用外部能力	tool-use-in-agents
Memory	让 Agent 记住上下文	ai-agent-memory-layer
Pipeline	多步骤串行执行，每步输出是下一步输入	[[pipeline-pattern]]
Reflection	执行-观察-修正循环	[[reflection-pattern]]
Multi-Agent	多个角色 Agent 协作完成任务	[[multi-agent-pattern]]
Orchestration	多步骤/多 Agent 的调度	orchestration

环境与前置

• Python 环境配置
• 免费 AI 服务
• OpenRouter

相关 MOC

• Agent MOC — Agent 概念全景
• Python 大模型应用开发 MOC — 技术栈总览
• AI MOC — AI 总入口