学习建议

核心理念：Agent = 模型 + 上下文 + 工具

本书的核心框架是 Agent = 模型 + 上下文 + 工具，三个组件协作实现 Agent 的智能行为：

组件	比喻	职责
🧠 模型（Model）	大脑	提供理解、推理和决策能力
💾 上下文（Context）	操作系统	系统指令、对话历史、推理过程、工具交互记录等
🤲 工具（Tools）	双手	感知环境、执行操作、与外部世界交互

学习路径

全书围绕「模型上下文工具」三大支柱层层展开。每个篇章都附带一条关键洞察：

篇章	章节	覆盖内容	关键洞察
基础篇	第 1 章	RL 中的 Agent 定义、传统 RL vs LLM+RL 样本效率、"模型即 Agent" 新范式	先验知识的重要性超越算法和环境
上下文篇	第 2–3 章	系统提示、KV Cache、上下文压缩、提示工程；用户记忆、稠密/稀疏/混合检索、Agentic RAG	完整上下文 = 系统指令 + 对话历史 + 推理过程 + 工具记录 + 用户记忆 + 外部知识
工具篇	第 4–5 章	感知/执行/协作三类 MCP 工具、事件驱动异步架构；生产级 Coding Agent 完整实现	工具设计应通用化（代码解释器优于计算器），代码是能创造新工具的元能力
评估与进化篇	第 6–8 章	Agent 评估；SFT 与 RL；从轨迹信号更新知识、指令、程序和参数	可靠信号先于学习；更新载体取决于能力如何被表达与验证
拓展与协作篇	第 9–10 章	语音/GUI/物理世界的多模态交互；多 Agent 分工协作	多 Agent 的每个设计决策都能在单 Agent 三要素中找到对应

正文与实验的分工

正文不是某个 SDK 的逐步教程。正文中的短伪代码和 skeleton 只回答“状态怎样流动、哪一步可以停止、哪类信号参与验证”；章级实验则提供完整实现、模型/环境适配、测试、日志和证据。阅读实验时不需要理解每个文件的每一行，也不应把一次实验的具体 API 写法当成通用架构。

建议按下面三层阅读，遇到复杂章节可以在同一层选择多个机制实验，而不是只跑一个项目：

层级	先看什么	暂时可以跳过什么	适合的问题
Starter	项目 README 的目标、最小命令、验收条件；正文对应 skeleton	凭据加载、UI、provider adapter、长篇原始日志	“这个实验要证明哪条机制？”
Builder	入口函数、核心循环、状态/消息 schema、工具和验证器	与机制无关的兼容层、部署脚本	“哪一个变量改变了行为？”
Maintainer	测试、失败处理、证据格式、manifest/hash、回滚路径	只有在改动实验时才需要的第三方源码细节	“结果是否可复核，失败是否被诚实记录？”

推荐的第一批入口是：第 1 章 context，第 2 章 context-compression，第 3 章 user-memory/retrieval-pipeline，第 4 章 async-agent，第 5 章 coding-agent，第 6 章 tau2-bench-eval，第 7 章 cot-distillation，第 8 章 trajectory-verifier，第 9 章 live-audio，第 10 章 parallel-web-research。每个目录的 Code map 会标出 Run first、Core behavior、Verifier 和首次阅读可跳过的部分。

难度分级

级别	章节	适合读者
🟢 入门级	第 1–2 章	初学者，理解基本概念
🔵 进阶级	第 3–4 章	有一定编程基础，涉及系统集成
🟣 高级	第 5–6 章	较强编程能力，涉及复杂系统设计
🔴 专家级	第 7–8 章	有深度学习与训练/自我进化经验
🟠 应用级	第 9–10 章	综合运用前面所学，构建实际应用

实践建议

#	建议	说明
1	🛠️ 动手实践	每个项目都设计为可独立运行，建议亲自运行并修改代码
2	📚 结合书籍	配合 `book/` 中相应章节阅读，理解理论与实践的结合
3	🔬 实验对比	多个项目包含消融研究和对比实验，通过对比加深理解
4	🪜 渐进学习	从简单项目开始，逐步深入复杂系统
5	🔌 关注协议	第 4 章 MCP 服务器项目展示了标准化工具协议，这是构建可扩展 Agent 的关键