上次跟大家聊了我用2小时把一本424页的英文技术书翻成中文的事，大家更多关注翻译工具的事。

但是，翻译那本书的过程里，有个意外的副作用。

它逼着你把每个字都嚼一遍，不像正常翻书那样可以跳着看。本来觉得自己已经很熟了，结果逐字啃完之后，我发现我之前只看到了「招式」，没看到「心法」。

那本书《Agentic Design Patterns》，Google一位干了三十多年AI的老炮写的。21个Agent设计模式，424页。这次一个字一个字啃下来，我发现这21个模式根本不是散装的技巧清单。

它们是一张楼梯。

从最底下的「让AI动起来」，到最顶上的「让AI自己组团打怪」，每一级台阶都踩实了。

大多数人在做的所谓Agent，连第一级台阶都没踩上去。

先说说这张楼梯长什么样。

书里把Agent的能力分成四级。我用人话翻译一下。

第一级，叫「百科全书」。就是ChatGPT刚出来那会儿，你问它什么它答什么。没有工具，没有记忆，问完就忘。像一本会说话的百科全书，翻完就合上了。

第二级，叫「会挑工具的百科全书」。开始能搜网页、查数据了，而且是自己判断该用哪个工具。听起来只比第一级多了一步，但这一步是质变。第一级是你拨一下它动一下，第二级是它自己决定该怎么动。

现在的各种AI助手，大部分就停在这儿。

第三级，叫「带脑子的助手」。这一层开始有意思了。它会自己规划路径，会自己检查对不对，错了还会自己改。不是你拨一下它动一下，是你指个方向，它自己走过去。

第四级，叫「团队」。不是一个很厉害的人，是一群各有所长的人组队干活，有分工有配合，谁遇到问题会喊队友帮忙。

这四级，听起来像是打怪升级，对吧？

但有趣的不是升级路径本身。是我发现，市面上90%号称自己在做「Agent」的产品，卡在了第0.5级。

什么叫第零点五级？

就是你给AI接了个搜索功能，能查个天气、搜个网页、做个to-do，然后你就管这叫「Agent」了。

我这么说真不是在嘲讽谁，我自己也是这么干的。

做一个Marketing Agent，给它接个搜索引擎，接个数据分析工具，觉得这就是Agent了。PPT上写着「AI Agent驱动」，领导看了直点头。

但你仔细想想，这玩意做了什么？你问它一个问题，它去搜一下，把搜索结果整理一下给你。

这跟你自己在豆包里手动开个联网搜索有什么区别？

区别只在于你少点了一下鼠标。

就这，你管它叫Agent？

这就好比你雇了个助理，这助理唯一的技能就是帮你百度。你问他「竞品分析怎么做」，他打开百度搜了一篇知乎递给你。你说谢谢。

第0.5级和第2级之间，差的就是一个东西，挑选工具的自主权。

第0.5级是你把搜索按钮焊死在它手上，它只能搜。你问它天气，它搜。你问它数学题，它还是搜。就像那个只会百度的助理，你问他1+1等于几，他搜完递给你「1+1等于2，来源：百度知道」。

第二级是它自己判断该用什么。书里管这个叫路由。

这就像一个靠谱的公司前台。不是你来了我就帮你转接，是我先听你说什么事，再决定给你转哪个部门。你说要报销，转财务。你说要请假，转HR。你说要吐槽老板，转保安。

大多数Agent，连前台都没有。

但这还不是最有趣的

最有趣的是第3级那个跳跃。

从第2级到第3级，差的不是「更多工具」，是两样东西。

一样叫反思，一样叫规划。

先说反思。

翻译这章的时候我特意慢了下来，因为这个词本身就有坑。上次聊过，机翻工具把它翻成了「反射」，搞得整章像在讲物理课。

其实反思在这里的意思特别简单。Agent做完一件事，回头看一眼，自己审自己。

就像你写完报告让同事帮忙挑刺，只不过这个同事就是你自己。

书里给了个特别精巧的玩法，叫「左脚踩右脚」。一个Agent负责干活，另一个Agent专门找茬。两个Agent来回过招，直到找茬的那个挑不出毛病了，才算过。

我翻到这的时候，突然想起之前在skillhub上用过的一个内容审核agent。

那玩意卡在了一个特别烦的地方。AI生成的文案总是差那么一点意思，不是事实有错，就是语气不对。我调了无数遍提示词，每次调完好一点，但总有新的问题冒出来。调到我整个人都麻了。

后来我翻到这章，才明白问题出在哪。

我在用第二级的思路，解决第三级的问题。

因为我就是在手动做那个「找茬」的角色。每次AI输出，我来审，我来挑问题，我来改提示词。但我自己就是瓶颈，我审得慢，我看不到所有问题，我累了就会放水，我饿了就会说「差不多得了」。

反思模式做的事情，就是把「我来审」变成「AI审AI」。

干活Agent生成内容，找茬Agent审查内容，审查意见反馈给干活Agent重新来。这个循环不需要我参与，它可以跑十遍二十遍，跑到质量达标为止。它不会累，不会放水，不会说「差不多得了」。

后来我按这个思路重构了那个审核Agent。第一次跑出来，我自己看了都愣了，比我自己审三轮的质量还稳定。

那一刻我的感受是，我之前活该累死。

再说规划。

第2级的Agent是「你问我答」，你给一个指令它执行一个指令。第3级的Agent是「你给我目标，我自己拆路径」。

区别在哪？

你带团队的时候，如果是第二级模式，你得把大目标拆成一个个小任务，然后挨个分配。每个任务执行得挺好，但合在一起可能南辕北辙。因为你拆任务的时候可能拆错了，队友不知道，他们只管执行你说的。

第三级的Agent是，它自己拆。

它会先想清楚怎么干，再开始干，干完还会回头看刚才的规划对不对，不对就推翻重来。

这就像带团队，第二级是你事无巨细地分派任务，第三级是你指个方向说「搞定它」，团队自己想办法。

我翻译到规划那章的时候，写了一句笔记，「这才叫Agent，之前做的都是遥控器。」

然后是第四级。

团队作战。

我之前以为第四级就是「多开几个Agent」，各干各的，最后拼在一起交差。

翻译完那章之后我才知道，我想简单了。

团队作战的核心问题不是「分工」，是「沟通」。

你让三个Agent分别做市场分析、竞品调研和用户画像，各自做完了，拼在一起，这不叫团队，这叫各干各的。

真正的团队是什么？市场分析的Agent发现了一个趋势，主动跑过去跟竞品调研的Agent说「嘿，这个方向你重点看看」。竞品调研的Agent反过来跟用户画像的Agent说「这类用户可能不是你的菜」。

书里管这叫A2A，Agent之间自己聊天，不用你当传话筒。

翻到这里的时候我突然理解了一件事。

为什么很多团队做了「多Agent系统」，但效果跟单个Agent差不多？

因为他们做的是各干各的，不是团队作战。

各干各的就像13个翻译同时干活，各翻各的，翻完了硬拼在一起，前面把Agent翻成「代理」，后面翻成「智能体」，读者看着像精神分裂。

团队作战是13个翻译之间有一本共享的术语表，前面翻的人发现了一个特殊用法，后面的人能自动感知到并保持一致。

说到这个，我突然想到，我上次翻译这本书用的那个工作流，本身就是一个第四级系统。术语Agent负责提取术语，翻译Agent负责干活，审校Agent负责找茬，三个Agent之间共享上下文。

用多智能体协作的逻辑，翻译一本教你怎么做多智能体协作的书。

你别说，还挺浪漫的。

但全书写完让我想得最多的，不是这21个模式。

是作者在最后抛出来的一个概念。

承包商。

他说，未来的Agent不会只是你喊一声它动一下的助手，它会变成一个签了合同干活的承包商。

现在的Agent是什么？你给一句话，它回一句话。你给模糊的指令，它给模糊的结果。你给精确的指令，它给精确的结果。但它从不会在干活之前问你「你确定吗」，不会在交活之前自己检查一遍，不会在发现需求有矛盾的时候主动找你谈判。

承包商会。

它接活之前先评估，这个活我能不能干，需要什么资源，风险在哪。干活的过程中给你进度更新，遇到卡点主动汇报。更重要的是，它懂得控制预算，发现任务可能超出原本规划的消耗边界时，它会主动停下来向你申请追加资源，而不是默默地把你账号跑欠费。交活之前自己做质检，确保交出来的东西跟约定的一致。

这跟第四级的区别在哪？

第四级是Agent之间能沟通能协调，是技术能力。承包商是Agent跟你之间有了契约关系，有了责任边界，有了谈判空间。是关系能力。

我翻译到那段的时候愣了很久。

因为我想到了我们公司那些外包团队。

你跟一个靠谱的外包怎么合作？你不会事无巨细地教他们每一步怎么做，你给需求文档，给验收标准，给截止日期，然后等交付。中间有问题他们自己解决，解决不了才来找你。

你跟一个不靠谱的外包怎么合作？你恨不得搬把椅子坐他们旁边盯着，最后出来的东西还是跟你想要的不一样，改了三版还是错的，你气得想摔键盘。

现在的AI Agent，大多数是那个不靠谱的外包。你得盯着它，它不会主动想，不会自我检查，不会管理你的预期。

承包商是那个靠谱的外包。

说到这里，我想回到那张楼梯。

第一级，百科全书，只会回答问题。

第二级，会挑工具的百科全书，自己判断该搜还是该算。

第三级，带脑子的助手，会反思会规划。

第四级，团队，多个Agent之间能沟通。

再往上，承包商，跟你有契约关系。

这五层，不是理论推演，是我翻完424页之后实实在在看到的路径。每一层有对应的模式，每一层有对应的踩坑记录，每一层都有可以直接上手用的示例。

这本书不是教你某个框架怎么用，是教你从第零点五级怎么走到承包商。

而你现在的Agent在哪一层？

帮你做个30秒自检。

你的AI是不是只能回答问题、帮你搜搜东西？第零点五级。

你的AI是不是能自己判断该搜、该算、还是该自己答，不用你指定？第二级。

你的AI是不是能自己规划步骤、做完还能自己检查一遍？第三级。

你的AI是不是能跟其他AI分工配合、互相沟通？第四级。

你的AI是不是能在接活之前先评估、交活之前自己质检？承包商。

说真的，大多数团队，第零点五级。

不是不努力，是第三级那个跳跃，靠自己摸索特别难。因为那个跳跃需要的不是更多工具、更多接口，是一种完全不同的思维方式。从「我怎么指挥它」变成「我怎么设计它」。

而这本424页的书，讲的就是这种思维方式。

很多时候你卡住，不是因为不努力，是因为你看不到完整的楼梯在哪。

你觉得自己在做Agent，其实在玩遥控车。你觉得多开几个Agent就是团队了，其实在开分店。你觉得调提示词就是在优化了，其实在给遥控车换电池。

楼梯这个东西，不是给你答案的，是让你知道你在哪、要去哪、还有多远。

21个模式，5个层级，1张楼梯。

翻完424页，最大的收获不是任何一个具体的模式，是这张楼梯本身。

换个姿势，不硬卷。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、 AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

  

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】