Agent 系列导读
2026/11/13约 510 字大约 2 分钟
Agent 系列导读
这一组按「先用 AI、再看别人怎么搭、最后自己做」的顺序排。它不是 LLM 原理课——Transformer、预训练、微调与部署在 机器学习。
一条线
提示词工程 ──→ Agent 的设计(含 PEAS 与经典范式)──→ 拆解 Claude Code / Hermes
│
↓
LangChain 入门每篇管什么
| 页面 | 什么时候看 |
|---|---|
| 提示词工程 | 写系统提示词、做结构化输出、选 CoT / Few-shot / PAL 时;开头是「把 AI 当结对程序员」的几条习惯 |
| Agent 的设计 | 主手册:PEAS 与两套思维方式、开发框架、ReAct / Plan-and-Solve / Reflection、工具体系与 MCP、记忆分层、RAG、上下文工程、向量库、Agentic RL、安全与评估、前端渲染、多 Agent 协议 |
| 拆解 Claude Code | 想抄一个成熟 CLI Agent 的工程结构:三层 Command / Tool / Skill、分层权限、Plan Mode、子代理、上下文管理、Hook,附安装与配置 |
| 拆解 Hermes Agent | 想做「越用越好」的 Agent:分层记忆、技能自动生成、自我改进闭环 |
| LangChain 入门 | 要用框架把模型、提示模板、检索、记忆与 Agent 串起来时 |
提示词模板在隔壁
可复制的整段 prompt(角色模板、Cursor 牛马提示词、Claude Code 配置体系)在 Prompt收集,按热度取的角色卡与世界书原卡全文也在那里。这一组只讲方法。
与机器学习的分工
LLM 的原理、Transformer、预训练、微调与部署、多模态与扩散模型在 机器学习;这里从「拿模型做事」开始。