AI-Native Learning
AI Agent 系统学习
基于《深入理解 AI Agent：设计原理与工程实践》的十章学习路径 + 实验与机制知识库。从概念、案例到动手操作，构建模型之外的 Harness 竞争力。
47%总体进度
10学习章节
50知识条目
2已掌握
🏛️ 知识库三大支柱
🎯总体进度
47%
✓已掌握
2
◐学习中
4
◌待开始
4
🗺️ 建议阅读路径（从概念到工程）
🧪 实验与机制知识库
关键实验、核心机制与考察维度 —— 支持关键词搜索、章节与难度筛选，点击条目展开完整解答。
难度
章节
共 50 条
按状态筛选共 10 章
现代 Agent 由「大模型 + 上下文 + 工具」三者协同构成。本章拆解这个基本公式，再引出贯穿全书的工程主线——Harness 工程：模型之外的竞争力。
案例演示 · 旅行规划 Agent 的一次完整运行
给 Agent 一句话任务："帮我查下周三北京飞东京的航班，并订好当晚酒店。"
它会怎么跑？观察下面这段（被简化的）轨迹：
- 思考：需要先查航班，再订酒店，二者有先后依赖
- 行动：调用 `search_flights(origin="北京", dest="东京", date="周三")`
- 观察：返回 3 个候选航班（NH964 / CA181 / JL024）
- 思考：选 NH964，接着要订酒店，需确认落地时间
- 行动：调用 `book_hotel(city="东京", checkin="周三晚")`
- 观察：预订成功
- 思考：任务完成，输出总结
注意：每一次「思考」都基于系统提示 + 全部历史轨迹，而不是只看了最后一步——这就是"上下文 = 静态前缀 + 轨迹"。