不是教你“用个聊天框”，而是教你看懂 Agent 怎样可靠地工作。
从 AI 和 LLM 的第一性原理开始，顺着“为什么会出错”学习上下文、RAG、工具、路由、循环、Harness、记忆与评估。每节只解决一个问题，可从目录随时进入，不再是一张无限往下滚的长页面。
课程总地图
AI / LLM
能理解与生成
上下文
资料、记忆、RAG
工具
搜索、数据库、代码
Agent
在边界内选择下一步
为什么不用一个对话框解决所有问题？
这是整门课最重要的产品判断：对话、工作流、Agent 各自都有最合适的位置。课程会教你选择它们，而不是把每件事都包装成“智能体”。
对话
人每一步参与；适合解释、写作与判断。
工作流
步骤已知；适合固定、可重复的业务。
Agent
路径未知；在工具与规则内自己推进。
完整课程路线
每次学一课，顺着能力搭积木
为什么需要 Agent
有了浏览器、AI 对话和桌面工具，为什么还需要 Agent？
分清浏览器、AI 对话、桌面工具和 Agent 分别解决什么问题
进入这一课AI、机器学习、生成式 AI 与 LLM：先把名字放对位置
不再把 AI、ChatGPT、LLM、Agent 当成同一个东西
进入这一课LLM 在做什么：词元、概率、训练与推理
理解 LLM 不是数据库查询器，而是在生成下一个词元
进入这一课Scaling Law：模型变强，不只有“参数更多”这一条路
知道 Scaling Law 是经验关系，不是保证未来的自然定律
进入这一课提示词与 Context 工程：模型每一轮到底看到了什么
区分“写一句提示词”和“设计整份上下文”
进入这一课上下文窗口、记忆与长任务：为什么“更长”会让 Agent 更能干
理解上下文窗口是“本轮可见工作记忆”，不是永久记忆
进入这一课为什么 Agent 要有系统架构：把“会出错的模型”放进可靠流程
知道系统架构在 Agent 中解决什么问题
进入这一课Agent Loop 与 Harness：让模型真正持续工作的运行环境
理解 loop 是 Agent 的最小运行单位
进入这一课从模型到 Agent 产品
推理、目标、编排、协作与授权
RAG 与工具：Agent 怎样接触外部事实
说清"谁去执行"这件事为什么重要
进入这一课选择控制方式：工作流、路由还是 Agent
用一句话说清 workflow 和 agent 的分界
进入这一课五个编排模式：链式、路由、并行与评估循环
不看资料说出五个模式的名字和适用场景
进入这一课推理不是越长越好：为任务选择正确的思考方式
区分直接回答、分解、ReAct、计划执行、反思与多路径搜索
进入这一课推理实验室：分解、搜索、自洽与验证器怎样配合
掌握六种推理技术的真实边界
进入这一课目标、计划与优先级：让 Agent 知道何时算完成
把模糊愿望改写成可监控目标
进入这一课目标实验室：把长期任务写成状态、依赖与重规划
设计机器可检查的目标契约
进入这一课真实世界会出什么问题
说清为什么"把所有东西塞进一个盒子"是个陷阱
进入这一课什么时候需要不止一个大脑
说清"拆成多个 agent"要用专业化收益换什么代价
进入这一课授权、协作与责任：Agent 能做，不等于 Agent 可以做
区分 API、MCP、A2A、工作流引擎和 Agent Loop
进入这一课记忆、适应、资源与可靠性
记忆：从这一轮到跨会话的积累
分清对话记忆、Agent 记忆、领域知识三个经常被混为一谈的概念
进入这一课学习与适应：Agent 怎样变好而不是越改越坏
区分上下文适应、记忆、检索、参数训练和系统改版
进入这一课适应实验室：反馈怎样变成可发布的系统改进
建立反馈数据生命周期
进入这一课资源感知：在质量、速度和费用之间做工程决策
给 Agent 设置可执行的多维预算
进入这一课资源实验室：路由、队列、背压与故障降级
建立逐步扣减的资源账本
进入这一课探索与发现：Agent 如何寻找“还不知道自己不知道什么”
区分执行、优化与开放探索
进入这一课专题研究实验室：假设图、证据矩阵与研究型多 Agent
把开放问题变成可检验假设
进入这一课让它别闯祸：可靠性的四道防线
说出四道防线各自防的是什么,以及为什么顺序不能颠倒
进入这一课接口、框架、编码与项目实践
Agent 怎样操作世界：API、GUI、CLI 与真实环境
理解 Agent-Computer Interface 的感知-行动循环
进入这一课计算机交互实验室：视觉、DOM、动作验证与安全确认
理解 GUI 感知的四层信息
进入这一课框架不是 Agent：什么时候需要 LangGraph、CrewAI 或 ADK
理解框架提供的抽象层而非背产品名
进入这一课框架实验室：状态、事件、检查点与可重放运行时
理解 Agent 框架真正管理的运行时对象
进入这一课编码智能体：从“生成代码”到可验证的软件交付
区分补全、对话生成与编码 Agent
进入这一课编码实验室：上下文选取、最小变更、测试与代码审查
构建任务相关的仓库上下文包
进入这一课串起来看一遍：一个真实请求怎么走完全程
把前面十个模块串成一条完整的处理链路,而不是十个孤立的知识点
进入这一课练习与项目
给出可直接布置的四级项目
进入这一课这门课的学习方式
每一个概念都有“打个比方 / 说人话 / 准确说法”三个层级；术语可点开解释；图示、练习、测验与参考答案都在当前这一课中。先读懂，再动手，而不是硬背一长串名词。