深色模式
Agent 开发
AI Agent 不是某一个 SDK，而是一组能力的组合：让大模型会调用工具、记得上下文、能检索知识、按架构循环决策、最终安全可控地上线。本栏目把"开发一个 AI Agent 需要的全部技能"拆成四层，并附上 Pi 源码学习 作为真实项目的逐包拆解。
技能地图
| 层级 | 技能 | 文档 |
|---|---|---|
| 基础层 | LLM 接入基础（API、流式、模型与成本） | 01-llm-foundations |
| 基础层 | Prompt 工程（系统提示、Few-shot、约束） | 02-prompt-engineering |
| 能力层 | 工具调用 / Function Calling | 03-function-calling |
| 能力层 | 结构化输出（JSON / Schema 抽取） | 04-structured-output |
| 能力层 | 上下文与记忆（短期 / 长期 / 压缩） | 05-context-memory |
| 能力层 | RAG 检索增强（切分 / 向量 / 重排） | 06-rag |
| 架构层 | Agent 架构模式（ReAct / Plan / Reflexion） | 07-agent-architectures |
| 架构层 | 多智能体协作（角色 / 编排 / 终止） | 08-multi-agent |
| 架构层 | 主流框架选型（LangChain / AutoGen / Pi…） | 09-frameworks |
| 生产层 | 可观测性与评测（Tracing / Eval） | 10-observability-eval |
| 生产层 | 安全与防护（注入 / 越权 / 校验） | 11-safety-guardrails |
| 生产层 | 工程化与部署（服务化 / 缓存 / 成本） | 12-deployment |
| 实战 | Pi 源码学习（逐包拆解） | Pi 源码学习 |
推荐学习路径
- 先读 基础层 两篇，搞清"大模型怎么被调用、怎么被指挥"。
- 再读 能力层 四篇——这是 Agent 与普通 Chatbot 的分水岭：工具、结构化、记忆、检索。
- 进入 架构层：先理解单 Agent 的循环范式，再扩展到多 Agent，最后做框架选型。
- 上线前必读 生产层 三篇：没有可观测、安全和部署意识，Agent 永远停在 Demo。
- 全程对照 Pi 源码学习：看一个真实 monorepo 如何把这些能力工程化落地。
阅读约定
- 代码以 Python（OpenAI SDK）为主，关键模式同时给出思路，可平移到 TypeScript / Go。
- 每篇含「是什么 / 为什么 / 核心概念 / 最小代码范式 / 常见陷阱 / 参考」。
Pi 源码学习是子栏目，侧重源码级拆解；本栏目侧重能力与方法论。