最近好多朋友都来问我，到底该怎么转行做Agent，今天特意给大家整理好了！纯个人学习路线，只做分享哈。

这是一套专门针对AI Agent智能体、从入门到实战的学习路线。这套路线不搞那些没用的复杂理论，主打理解原理、动手实践、项目驱动，帮你用最短的时间，掌握搭建Agent的核心能力。

总耗时建议: 3-4个月(每天2-3小时)。

第一阶段: 基石搭建–提示词与LLM调用(第1-3周)

目标: 搞懂大模型的底层工作逻辑，学会和大模型高效对话，这部分就是Agent的核心大脑。

深入理解提示词工程

学习内容: 零样本提示、少样本提示、思维链。

核心技巧: 熟练使用角色扮演、任务分解、格式限定等高阶提示方法，让模型输出结果稳定、能直接使用。

实践: 在ChatGPT或Kimi里，用“请以JSON格式输出…”这类指令，控制模型的输出结构。

API调用与函数调用

学习内容: 学习OpenAI API或国产大模型API（如智谱、通义千问）的基础调用方式。

核心概念: 必须掌握Function Calling（函数调用），这是Agent连接外部世界的关键通道。

实践: 编写一段Python脚本，让大模型通过调用API查询“当前北京的天气”（需要搭配一个天气API）。

第二阶段: Agent核心范式——从ReAct到LangChain(第4-6周)

目标：理解Agent的思考-行动-观察循环，能熟练使用主流框架。理解ReAct模式

学习内容：研读ReAct论文或者相关解读文章，搞明白Thought思考、Action行动、Observation观察的循环逻辑

实践：不借助现成框架，直接用代码手动实现一个最简单的ReAct循环。让模型自己判断是调用计算器还是搜索引擎

框架学习：LangChain/LangGraph

学习内容：掌握Chains链、Tools工具、Agents智能体、Memory记忆。重点学习怎么自定义Tool，怎么把Agent组装起来

实践：用LangChain搭建一个Agent，能够回答某部电影的票房，并计算和另一部电影的票房差值，需要用到搜索工具和计算器工具。

第三阶段: 记忆与外部工具(第7-8周)

目标: 让Agent具备短期记忆、长期记忆，以及调用真实世界工具的能力。

记忆机制

学习内容: 短期记忆对应会话缓存，长期记忆对应向量数据库。

技术栈: 学习ChromaDB或FAISS，学会把对话历史进行切片、嵌入和存储。

实践: 做一个带有记忆功能的客服Agent，第二天还能记住你昨天说过的名字。

工具调用实战

学习内容: 编写代码调用搜索引擎、arXiv学术搜索、SQL数据库、本地API。

实践: 让Agent对接本地SQLite数据库，回答“上个月销售额最高的产品是什么？”这类问题。

第四阶段: 多智能体与复杂应用(第9-12周)

目标: 搭建多个智能体相互配合，一起完成复杂任务，最终落地整个项目。

多智能体协作

学习内容: 学习并掌握 AutoGen 或 CrewAI 框架。理解管理者-执行者、辩论等常见的协作模式。

核心概念: 智能体之间的消息传递机制。

实践: 搭建一个编程团队：由产品经理智能体写需求、工程师智能体写代码、测试智能体找Bug，完成完整流程。

最终实战项目(三选一)

个人研究助手: 输入一个主题，Agent联网搜索、整理文献、生成综述报告。

自动化工作流机器人: 监听邮件附件，自动下载、分析Excel数据，并发送汇总邮件。

行业专家Agent: 模拟一个行业分析师，能根据财报数据回答复杂的投资问题。

避坑指南: 不要陷入“调包"误区。初期一定要尝试手写一次ReAct循环，才能真正理解Agent的灵魂。