Day 000｜从今天开始，我要用 100 天系统学习 AI Agent 开发

这是一个开篇，也是给自己的学习契约。
目标不是追热点，而是把 Agent 开发学成一套能落地的工程能力。

AI Agent 大模型 学习路线 Agent开发 人工智能

为什么是 AI Agent

这两年大模型很火，但我越来越明显地感觉到：只会聊天的大模型，和能真正完成任务的 Agent，中间隔着一整套工程体系。

一个可用的 Agent 不是“写一段神奇 Prompt”就结束了。它要能理解目标，选择工具，读取资料，保存状态，处理错误，必要时请人确认，还要能被评测、被监控、被复盘。换句话说，Agent 不是单点技术，而是一种把模型能力接入真实任务的系统方法。

这也是我想开始 100 天学习的原因：不再只收藏文章、不再只看框架名字，而是每天推进一个小主题，写一篇能发布、能复盘、能积累的学习笔记。

这 100 天我准备怎么学

我会按 8 个阶段推进：

1. Agent 基础与环境搭建
2. RAG、知识库与工具边界
3. LangChain 与 LangGraph 工程化
4. OpenAI Agents SDK 主线
5. 多 Agent 框架与协作模式
6. MCP、集成与安全
7. 生产化、评测与部署
8. 作品集与商业化表达

每天的文章都会尽量保持同一个结构：先讲今天为什么重要，再讲核心概念，然后给一个动手任务，最后写自己的理解和踩坑记录。

我对自己的要求

第一，不追求每天都写得很宏大。技术学习最怕一开始过度用力，三天后就断掉。我希望每天只解决一个问题，比如“工具调用是什么”“为什么需要状态”“MCP Tool 和 Resource 有什么区别”。

第二，每天都要有一个可检查的产物。可以是一段伪代码、一张表、一个流程图、一份测试样本，或者一个小 Demo。没有产物的学习，很容易变成“我好像懂了”。

第三，允许自己踩坑。Agent 开发本来就充满不确定性：模型会误判，工具会失败，检索会跑偏，评测也不一定完全准确。把这些失败记录下来，反而是最有价值的部分。

今天的心得

我现在对 Agent 最大的期待，不是它替我变得“更聪明”，而是它能帮我把复杂任务拆开，把重复工作自动化，把知识和行动连接起来。

但我也提醒自己：越自动化，越要有边界。Agent 能读什么、能写什么、能不能发请求、能不能删除文件、什么时候必须让我确认，这些都不是细节，而是系统能不能放心使用的基础。

所以这 100 天，我想学的不只是框架 API，更是 Agent 背后的工程思维：状态、工具、权限、评测、观测、安全、产品体验。

我希望 100 天后得到什么

• 一套完整的 Agent 开发知识地图
• 100 篇可公开发布的学习文章
• 5 个以上能展示的 Agent 小项目
• 一套自己的 Prompt、Tool Schema、评测样本和上线清单
• 对主流框架的选择能力，而不是只会跟风

从明天开始

明天是 Day 001，我会先回答一个最基础的问题：AI Agent 到底是什么？它和普通聊天机器人有什么区别？

如果把这 100 天当成一条路线，今天就是出发前把背包整理好。接下来每天走一点，不求一口气吃成胖子，只求每天都留下可以复用的痕迹。