Text Matrix
技术笔记 行业快讯 视频精读 财富自由 思考与随笔 搜索
Text Matrix

学习路径

AI Agent 学习路径

面向中文开发者的 AI Agent 学习路径，从概念入门、工具使用、记忆系统、多 Agent 到生产化实践，串起 Text Matrix 站内高价值内容。

搜索这个主题 浏览技术笔记 反馈选题 / 合作
适合阅读方式 按目标而不是按时间阅读

这些专题页更适合做路径导航、选型判断和阶段切换，而不是只看最新一篇。

推荐搭配 专题页 + 搜索 + 标签页

先用专题建立框架，再通过搜索和标签横向扩展，会比单篇跳转更高效。

学习路径 AI Agent 学习路径 工程工作流 Coding Agent 工作流 工具索引 开源 AI 工具解读

适合谁看

这页最适合这些读者

  • 想从零理解 AI Agent 的开发者
  • 已经在用 Claude Code、Codex、n8n 或 MCP，但知识仍然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

读完你会得到

这页想帮你建立的判断

  • 建立 Agent、自动化、工作流和聊天机器人的边界感
  • 知道应该先补概念、框架、工具还是生产化能力
  • 把站内高价值内容串成一条更清晰的学习顺序

AI Agent 学习路径

第一次接触 AI Agent 的人常卡在同一个地方：不是资料太少，而是资料太散。概念解释、框架教程、工具实战、工作流方法论、生产化经验混在一起，很难判断先看什么、后看什么。

这页把站内已有内容按学习顺序重新排布，从「知道 Agent 是个热词」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

你当前的状态建议起点为什么
只知道 Agent 很火，但没真正搭过第 1 部分：概念入门先把边界讲清楚，避免把所有自动化都叫 Agent
已经跑通过 demo，但对工具/记忆/规划很模糊第 2 部分：核心部件这一步是从「会用」到「会设计」的转折点
已经在用 Claude Code、Cline、n8n 这类工具第 3 部分：真实工具与工作流把零散经验固化成一套方法
想上多 Agent 或复杂系统先回看第 2、5 部分，再看第 4 部分多 Agent 之前先把单 Agent 的边界和生产化问题理顺

按目标选读

先有概念

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

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

概念这一关不先花点时间，后面所有术语都会看得很虚。建议从概念边界开始读。

  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. 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

知道 Agent 大概是什么之后，下一步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、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 工具和工作流各自适合什么场景。

  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

这一步不建议太早进入。多 Agent 看起来高级，但单 Agent 的工具调用、记忆、边界还没理清楚，多 Agent 通常只是把复杂度翻倍。

  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

一个 Agent 能不能长期用下去，分水岭通常出现在四件事上：上下文是否稳定、权限是否可控、观测是否充分、失败之后能不能恢复。能不能跑通是最低门槛，不是终点。

  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

没时间完整走一遍的话，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

我们怎么筛选内容

筛选 Agent 内容时，看这四件事：

  • 是不是落到真实工具或系统边界
  • 有没有解释为什么这样设计
  • 能不能放进更长的工作流
  • 几个月后还值不值得回看

三个常见误区

  1. 把所有自动化都叫 Agent。多数场景就是工作流，硬套 Agent 范式反而绕远。
  2. 过早追多 Agent。单 Agent 的工具、上下文、记忆、权限边界没理顺，多 Agent 只会把复杂度翻倍。
  3. 只看会不会跑，不看能不能长期维护。分水岭通常出现在可观测性、失败恢复、权限控制、长期记忆上。

站内新增 Agent 相关内容时，这页会持续更新。

下一步

准备好继续往下走的话，建议这样推进：

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