AI Agent 学习路径

如果你第一次系统接触 AI Agent，最容易踩的坑不是资料太少，而是资料太散。你会同时看到概念解释、框架教程、工具实战、工作流方法论和生产化经验，却很难判断先看什么、后看什么。

这页的目标就是把站内已经积累的高价值内容串成一条更清晰的学习路径，帮助你从「知道 Agent 是个热词」走到「理解它的组成、知道怎么做、知道怎么评估是否值得上线」。

这条路径适合谁

• 想从零理解 AI Agent 的开发者
• 已经在用 Claude Code、Codex、n8n 或 MCP，但知识还比较碎片化的实践者
• 想把 Agent 从 demo 推进到更稳定工作流的人

先判断你现在在哪个阶段

如果你的目标不同，应该怎么读

想快速理解 Agent 是什么

按这个顺序读：

1. 25 分钟从零到 AI Agent：Futurepedia 爆款教程深度解析
2. AI Agents 讲清楚了：Jeff Su 爆款视频深度解析
3. LangGraph：面向状态的 Agent 框架指南

想把 Agent 真正用进开发工作流

按这个顺序读：

1. Craft Agents：AI Agent 原生桌面应用深度解析
2. Cline：AI Coding Agent 实战指南
3. Chrome DevTools MCP 与 AI Coding Agents 使用指南
4. Treat Coding Agents Like Developers：如何管理 Agent 协作质量

想研究更复杂的 Agent 系统

按这个顺序读：

1. OpenAI Agents Python SDK：多 Agent 开发入门
2. LobeHub：多 Agent 协作平台解读
3. Shannon Keygraph：多 Agent 编排框架指南
4. From Prototype to Production：AI Agents 生产化实践指南

推荐阅读顺序

1. 先把概念搞清楚

先理解 Agent 和自动化、工作流、聊天机器人到底有什么边界，再进入工具和框架，不然后面的所有术语都会看得很虚。

1. 25 分钟从零到 AI Agent：Futurepedia 爆款教程深度解析
2. AI Agents 讲清楚了：Jeff Su 爆款视频深度解析
3. AI Agents 全栈指南：Nick Saraev 2 小时大师班深度解析

2. 再理解 Agent 的核心部件

当你已经知道 Agent 大概是什么，下一步应该把注意力转到几个真正决定效果的模块：工具调用、上下文、记忆、规划以及状态管理。

1. OpenAI Agents Python SDK：多 Agent 开发入门
2. LangGraph：面向状态的 Agent 框架指南
3. Cognee：AI Agent 记忆与知识引擎完整指南
4. AgentMemory：持久化记忆如何改变 AI Coding Agent

3. 进入真实工具与工作流

理解概念之后，最好尽快看一些离真实使用更近的内容，这一阶段重点是判断不同 Agent 工具和工作流到底适合什么场景。

1. Craft Agents：AI Agent 原生桌面应用深度解析
2. Cline：AI Coding Agent 实战指南
3. OpenAI Codex 轻量级 Coding Agent 指南
4. Chrome DevTools MCP 与 AI Coding Agents 使用指南

4. 再看多 Agent 和复杂系统

这个阶段不建议太早进入。多 Agent 看起来高级，但如果你还没有把单 Agent 的工具调用、记忆和边界搞清楚，往往只会增加复杂度。

1. Agency Agents：AI Specialist Team 协作模型指南
2. LobeHub：多 Agent 协作平台解读
3. Shannon Keygraph：多 Agent 编排框架指南
4. TradingAgents：多 Agent LLM 交易框架

5. 最后看生产化问题

真正决定一个 Agent 能不能长期用下去的，通常不是“能不能跑通”，而是上下文是否稳定、权限是否可控、观测性是否充分、失败之后是否容易恢复。

1. From Prototype to Production：AI Agents 生产化实践指南
2. Treat Coding Agents Like Developers：如何管理 Agent 协作质量
3. Cua：Computer Use Agent 基础设施指南
4. AI Agent Harness：长运行应用设计指南

如果你只想先看 5 篇

如果你现在没有时间完整走完路径，可以先看这 5 篇：

1. 25 分钟从零到 AI Agent：Futurepedia 爆款教程深度解析
2. AI Agents 讲清楚了：Jeff Su 爆款视频深度解析
3. LangGraph：面向状态的 Agent 框架指南
4. Craft Agents：AI Agent 原生桌面应用深度解析
5. From Prototype to Production：AI Agents 生产化实践指南

这条路径背后的判断原则

我对 Agent 内容的筛选标准主要有四个：

• 不只讲概念，还要能落到真实工具或系统边界
• 不只展示效果，还要解释为什么这样设计
• 不只讲单点技巧，还要能放进更长的工作流里
• 不只适合追热点，也要能在一段时间后仍然值得回看

这条路径里最容易踩的 3 个误区

1. 把所有自动化都叫 Agent。很多场景其实只是工作流自动化，没必要强行套 Agent 范式。
2. 过早追多 Agent。单 Agent 的工具、上下文、记忆和权限边界没理顺之前，多 Agent 往往只是把复杂度翻倍。
3. 只看会不会跑，不看能不能长期维护。真正的分水岭通常出现在可观测性、失败恢复、权限控制和长期记忆上。

后面如果站内继续积累更多 Agent 相关文章，这个专题页会持续更新，逐步从学习路径扩展成更完整的主题索引。

下一步动作

如果你准备继续往下走，最推荐的顺序是：

1. 从这里继续进入 Coding Agent 工作流，把 Agent 能力落到真实工程场景
2. 再去看 开源 AI 工具解读，建立更稳定的工具选型视角
3. 如果你有想跟进的选题、工具或合作方向，直接通过 联系页面 找到当前公开渠道