Agent 层全景地图 & 打怪升级路线

第二层（Agent Layer）的边界与学习路径

第二层全景地图

六大核心领域

🟢 上下文工程

• Context window 管理
  如何分配有限 token 预算
• System prompt 设计
  角色定义、约束、输出格式
• 对话历史压缩
  compact / summarize 策略
• 分层记忆
  working / episodic / long-term
• Few-shot 构造
  示例选择与动态注入

🟣 Agent 架构

• ReAct 循环
  Reason → Act → Observe 迭代
• Plan-and-Execute
  先规划再执行，可中断修正
• Multi-Agent 编排
  orchestrator + subagent 分工
• 错误恢复机制
  重试、降级、人工介入
• 状态机设计
  Agent 的生命周期管理

🟡 工具调用系统

• Tool schema 设计
  名称、描述、参数的写法影响调用质量
• 并行 vs 串行调用
  何时可以并发，何时必须顺序
• 工具结果处理
  错误格式化、截断、过滤
• 工具权限与沙箱
  防止越权操作
• MCP 协议设计
  标准化工具接入层

🔴 RAG 工程

• Chunking 策略
  固定窗口 / 语义分割 / 递归分割
• Embedding 选型
  OpenAI / Cohere / 本地模型
• 向量库选型
  Pinecone / Qdrant / pgvector
• 混合检索
  向量 + 关键词（BM25）融合
• Reranking
  检索后二次排序提升精度

🔵 性能与可靠性

• Prompt 缓存
  prefix cache / KV cache 复用
• Streaming 处理
  流式输出的中断与恢复
• 延迟优化
  TTFT / 并发请求控制
• Token 成本控制
  预算管理、模型分级调用
• 可观测性
  trace / span / token 计量

⚪ 评估与迭代

• Eval 框架设计
  如何定义好答案
• 自动化测试
  LLM-as-judge 评分
• Prompt 版本管理
  变更追踪与回滚
• A/B 测试
  不同策略的效果对比
• 失败案例分析
  从坏输出中提炼改进点

---

图例说明：

• 🟢 上下文工程——最先触碰，影响最广
• 🟣 Agent 架构——核心骨架
• 🟡 工具调用——连接外部世界
• 🔴 RAG 工程——知识注入
• 🔵 性能与可靠性——生产必备
• ⚪ 评估与迭代——持续进化

打怪升级路线

第一关 · 2-3周

造一个能跑起来的最小 Agent

目标：白盒化 Agent 循环，不再靠框架魔法

任务	描述
裸写 ReAct 循环	不用 LangChain，只用 Anthropic API，手动实现 think→tool→observe 迭代，理解每一次 API call 在干什么
实现 2-3 个真实工具	文件读写、网络请求、代码执行。重点：写好 tool schema，感受描述质量对调用准确率的影响
手动管理 context	用 token 计数器监控窗口用量，自己写对话历史截断逻辑，感受 context 压力
加错误恢复	工具调用失败时怎么重试，错误信息怎么格式化反馈给模型，防止死循环

通关标志

你的 Agent 能独立完成「读取一个目录，分析文件，生成报告」这类多步任务，不崩溃

---

第二关 · 3-4周

上下文工程专项

目标：掌握 token 预算分配，让 Agent 跑更长更稳

任务	描述
分层记忆系统	设计 working memory（当前任务）/ episodic（本次会话摘要）/ long-term（持久化存储）三层结构
Prompt 缓存实战	用 Anthropic 的 cache_control，把 system prompt 和工具定义缓存，测量实际省了多少 token 和延迟
动态 few-shot 注入	根据当前任务类型，从示例库里检索最相关的 2-3 个示例注入 prompt，而不是写死
Compact 策略对比	对比三种压缩方式：截断最旧消息 / 摘要压缩 / 层级摘要，在你的场景里哪个信息损失最小

通关标志

同一个 Agent 能跑 50 轮对话不撑爆 context，且关键信息不丢失

---

第三关 · 3-4周

接入 RAG，让 Agent 有长期记忆

目标：从「知道怎么用 RAG」到「会调 RAG 的参数」

任务	描述
从零搭 RAG pipeline	自选向量库（推荐先用 pgvector 或 Qdrant），手写 chunk → embed → store → retrieve 全流程
对比 chunking 策略	同一份文档用固定 512 字 / 语义分割 / 递归分割，看检索质量的差异，建立直觉
混合检索	向量检索 + BM25 关键词检索结果合并，用 RRF 算法融合排名，感受准确率提升
RAG 接入 Agent	把向量库包装成一个工具，让 Agent 自己决定什么时候检索、检索什么，而不是每次都检索

通关标志

Agent 能回答「上周我们讨论过的技术方案里，哪个最适合当前需求？」这类跨会话问题

---

第四关 · 持续

Multi-Agent 编排 + 评估体系

目标：从单 Agent 到系统，从凭感觉到数据驱动

任务	描述
Orchestrator 模式	一个主 Agent 负责规划和分发，多个子 Agent 各司其职（代码 Agent、搜索 Agent、写作 Agent），理解任务拆分边界
搭 Eval 框架	为你的 Agent 写测试集，用 LLM-as-judge 自动评分，让每次改动都有数据支撑而非主观感觉
可观测性接入	接入 Langfuse 或自建 trace，每次 Agent 运行都有完整的 span 记录，方便排查问题
成本优化	用小模型（Haiku）处理简单判断，大模型（Sonnet）处理复杂推理，设计模型分级调用策略

通关标志

你改了一个 prompt，5分钟内知道它让整体效果变好还是变差，有数据说话