◆ 博主名称： QuZhengRong

AI俘虏，样式苦手

⭐️ LuckReport专栏： LuckReport

⭐️ SpringBoot专栏： SpringBoot

⭐️ SpringCloud专栏： SpringCloud

目录

Agent 是当前 AI 领域非常火热的概念，越来越多的开发者开始学习 Agent 开发。趁着手头项目告一段落，我也加入了学习 Agent 的大军，打算在博客上记录下这段学习的心路历程。

这篇博客就是我的学习地图。

一、Agent 是什么

在学习 Agent 之前，我们先梳理一下 Agent 的概念

名词解释Lite版：Agent 是一种基于大模型、能够根据用户指令执行复杂任务的程序。

它与传统 Chatbot 的核心区别在于执行能力。Chatbot 负责对话，根据输入生成文本回复，一问一答；而 Agent 则接收一个目标，通过大模型规划步骤、调用外部工具（API、数据库等）、处理中间结果，最终交付完成的任务。

它的核心构成可以概括为：大模型（LLM） 工具（Tools） 记忆（Memory） 规划（Plan）。

二、Agent 学习路线规划

我把学习过程分成了几个阶段。主流的开发语言是 Python，框架我打算用 LangChain ，生态比较健全

1、大模型基础与对话调用

这是所有 AI 应用的起点。必须掌握大模型 API 的调用方式，才能在此基础上构建更复杂的应用。

* LLM API 调用（流式输出、多模态输入）* 提示词工程* 对话历史管理

2、 工具调用 与结构化输出

这是给 Agent 赋能的关键，让大模型不仅能生成文本，还能生成可解析的结构化数据，从而触发程序逻辑，为后续调用外部系统、执行任务提供可能。

* Function Calling 原理* 工具（Tool）的定义与注册* JSON Schema 约束输出* 实现最小化的工具调用循环

3、RAG 检索增强生成

RAG 解决大模型知识截止的问题，让 Agent 能基于私有数据或实时信息回答。

* RAG 核心流程：检索 -> 增强 -> 生成* 向量数据库与 Embedding 模型* 文档解析与索引构建

4、Agent 设计模式

掌握主流的 Agent 工作模式，才能根据不同场景选择最合适的架构。

* ReAct 模式：Thought -> Action -> Observation 循环* Plan-and-Execute 模式：先规划后执行* Reflection 模式：自我反思与修正

5、Agent 记忆 机制

让 Agent 能够处理长任务和多轮对话，保持上下文连贯。

* 短期记忆与长期记忆* 上下文管理策略（滑动窗口、摘要压缩）* 基于向量数据库的记忆存储与召回

6、工程化与兜底

Demo 能跑不代表能上线。生产环境中 Agent 容易出现各种故障，必须有工程化手段保证其稳定可靠。

* Agent 常见故障：死循环、幻觉、误调用* 可观测性与评估（Eval）

三、Agent 项目推荐

推荐几个开源项目，适合学习开发 Agent 时做参考。

四、LuckReport 项目推荐

导航：LuckReport专栏

1、项目简介

Luck-Report 是一款基于开源项目 UReport2 重构的 Java 高性能报表引擎，通过迭代单元格可以实现任意复杂的中国式报表。相较于 UReport2，在技术架构上进行了全新升级，后端基于 SpringBoot 框架开发、前端采用 Vue 框架构建，技术选型贴合当下主流项目开发标准，可精准适配各类实际开发需求。

Luck-Report 提供了全新的基于网页的报表设计器，可以在 Chrome、Firefox、Edge 等各种主流浏览器运行（IE 浏览器除外）。使用 Luck-Report，打开浏览器即可完成各种复杂报表的设计制作。

Luck-Report 基于 Apache-2.0 开源协议 开源

2、在线体验