Agent该如何系统的学习？
- 内容介绍
- 文章标签
- 相关推荐
佬们有没有什么质量好值得推荐的agent开发相关课程，付费的也可以，求介绍
网友解答：--【壹】--：
好的，谢谢佬，刚刚搜了一下，这类课程还是挺多的，我也看看
--【贰】--：
看岔了，我还以为是如何调教agent让它去学习··看视频课程我都是在B站上搜的
--【叁】--：
同求，最近才开始研究langchain，都说github上的：“hello agent”项目，或者我去BOSS直聘上看需求哪些技术
--【肆】--：
可以试一下这个，大佬对Claude Code源码的研究和解析
GitHub - Windy3f3f3f3f/how-claude-code-works: Deep dive into Claude Code internals —...
Deep dive into Claude Code internals — architecture, agent loop, context engineering, and more. / 深入解析 Claude Code 源码：架构、Agent 循环、上下文工程、工具系统等
--【伍】--：
GitHub - nageoffer/ragent: 企业级 Agentic RAG 智能体 -...
企业级 Agentic RAG 智能体 - 全链路覆盖文档解析、多路检索、意图识别、问题重写、会话记忆、MCP 工具调用与深度思考。面向真实业务场景，从 0 到 1 完整工程实现。
这个也可以，我还在啃源码中，目前对项目了解差不多70%吧
--【陆】--：
在补充一点看法哈哈哈哈，之前和朋友聊天，感觉有一句很不错，
现在有价值的不是解决问题的能力，而是提出问题的能力
从这句话去思考，会发现，在遇到新事物的时候更多的去问自己为什么？为什么用这个技术，由这个作为思维的切入点，那么就会增长自己提出问题的能力
我最近发现技术这个大圈中，很多东西在被Agent吞噬，尤其是技术实现，但是提出“为什么”带来的“模糊”的能力，好像不仅不会消失，反而会和模型一起快速增长
做大模型应用开发，思维或许也很重要，在过去不是那么的明显
--【柒】--：
hello-agents 这个挺好。从零到一
--【捌】--：
你指的咨询ai吗？主要给了学习路线，但是很多比较碎片化，每个知识点还是学习单独去找，想系统学习一下，知道整个流程
--【玖】--：
我是直接用claude code源码，抄了一个golang的sdk出来。
根据GitHub - codeany-ai/open-agent-sdk-go · GitHub 这个基础，去让AI补齐功能。
然后集成到产品里面，作为产品通用Agent能力。但是这个项目非常初级，里面非常多不完善的地方，在填坑和调试的过程中，应该就会掌握一些细节。
--【拾】--：
佬，我自己的学习方式大概就是：多用一些Agent的产品，多看一些官方的博客文章，多思考一下这些应用背后的设计
然后我自己倒是系统性的整理过我对于大模型应用开发的理解，佬可以看看是否对你有帮助：
GitHub - WakeUp-Jin/Practical-Guide-to-Context-Engineering: 大模型应用开发的方向，上下文工程是设计原则，Agent Harness...
大模型应用开发的方向，上下文工程是设计原则，Agent Harness 是构建目标，本项目的目标，是为开发者和研究者提供一份大模型应用开发的骨架思路
核心思路： 上下文工程是设计原则，Agent Harness 是构建目标
我记得站内有一个佬对于ClaudeCode的源码解读的文章也很不错，也可以看看这类优秀的工具的工程实践是什么样子的
一点小提醒，我自己的看法
目前大模型应用开发其实并没有形成一个共性，一切都在变化当中，但是变化是有方向的，更多是从优秀的Agent中学习工程实践经验，
例如：ClaudeCode的这类编码Agent的设计理念，怎么做感觉不是很重要，但是为什么这么做就很重要啦，你可以再看opencode这类开源项目的代码设计，或者OpenClaw这类项目的设计
给我的一种感觉就是一个问题，这个Agent要用到哪一个领域？，解决哪一种问题？，那么现在关于这类Agent的最佳工程实践经验有哪些？如果你可以回答出来这些问题，那么我觉得可以作为一种考量标准，你的大模型应用开发技术是合格的
我能想到的一种变化是这样的：为了解决Agent记忆这个问题，很早之前其实有很多声音，例如：知识图谱，Mem0框架，向量数据库，现在最佳的实践是md文件(理由就是简单有效，并且很容易修改），或者Skill的方式
那知识图谱真的没用啦吗？向量数据库带着的RAG也不行啦吗？
我觉得不是的，只是场景变得很小啦，如果数据量很大，其实上面两种还是很有效的
感觉很多的要去理解每一种技术在什么场景下面适用，不能仅仅简单说现在好多Agent都不用啦，所以技术无效
做大模型应用开发，更多的是从解决一个问题入手，具体使用什么设计，什么技术，可以从结果去判断，而不是说会什么技术就可以解决什么问题，这个是不一定的，并且模型不断在变化，而围绕这个变化的东西构建出来的Harness(运行空间），也是不断的变化的
当然我最近发现，如果追求开发速度，那么佬可以考虑一些SDK，例如：Claude Agent SDK，Dify这种可视化，最近Anthropic新出的Managed Agents
说的有点多哈哈哈哈，佬看着理解
--【拾壹】--：
我最近也在看B站，佬有推荐博主吗？可以学习一下
--【拾贰】--：
谢谢佬，分析的很到位，看来对agent有自己的独特的见解，对于新人受益颇多，感谢感谢
--【拾叁】--：
是的，可以上boss上面看一下，需要具备哪些那些技能，针对性的学习
--【拾肆】--：
我也是看琐碎的视频，有些up主的视频讲的挺好，但也不是很系统的完整的课程，佬看看别的佬友的推荐···
--【拾伍】--： xu_jiang:
付费的也可以，求介绍
多和AI对话，了解一下吧，现在付费的很多卖课的，注意甄别。
佬们有没有什么质量好值得推荐的agent开发相关课程，付费的也可以，求介绍
网友解答：--【壹】--：
好的，谢谢佬，刚刚搜了一下，这类课程还是挺多的，我也看看
--【贰】--：
看岔了，我还以为是如何调教agent让它去学习··看视频课程我都是在B站上搜的
--【叁】--：
同求，最近才开始研究langchain，都说github上的：“hello agent”项目，或者我去BOSS直聘上看需求哪些技术
--【肆】--：
可以试一下这个，大佬对Claude Code源码的研究和解析
GitHub - Windy3f3f3f3f/how-claude-code-works: Deep dive into Claude Code internals —...
Deep dive into Claude Code internals — architecture, agent loop, context engineering, and more. / 深入解析 Claude Code 源码：架构、Agent 循环、上下文工程、工具系统等
--【伍】--：
GitHub - nageoffer/ragent: 企业级 Agentic RAG 智能体 -...
企业级 Agentic RAG 智能体 - 全链路覆盖文档解析、多路检索、意图识别、问题重写、会话记忆、MCP 工具调用与深度思考。面向真实业务场景，从 0 到 1 完整工程实现。
这个也可以，我还在啃源码中，目前对项目了解差不多70%吧
--【陆】--：
在补充一点看法哈哈哈哈，之前和朋友聊天，感觉有一句很不错，
现在有价值的不是解决问题的能力，而是提出问题的能力
从这句话去思考，会发现，在遇到新事物的时候更多的去问自己为什么？为什么用这个技术，由这个作为思维的切入点，那么就会增长自己提出问题的能力
我最近发现技术这个大圈中，很多东西在被Agent吞噬，尤其是技术实现，但是提出“为什么”带来的“模糊”的能力，好像不仅不会消失，反而会和模型一起快速增长
做大模型应用开发，思维或许也很重要，在过去不是那么的明显
--【柒】--：
hello-agents 这个挺好。从零到一
--【捌】--：
你指的咨询ai吗？主要给了学习路线，但是很多比较碎片化，每个知识点还是学习单独去找，想系统学习一下，知道整个流程
--【玖】--：
我是直接用claude code源码，抄了一个golang的sdk出来。
根据GitHub - codeany-ai/open-agent-sdk-go · GitHub 这个基础，去让AI补齐功能。
然后集成到产品里面，作为产品通用Agent能力。但是这个项目非常初级，里面非常多不完善的地方，在填坑和调试的过程中，应该就会掌握一些细节。
--【拾】--：
佬，我自己的学习方式大概就是：多用一些Agent的产品，多看一些官方的博客文章，多思考一下这些应用背后的设计
然后我自己倒是系统性的整理过我对于大模型应用开发的理解，佬可以看看是否对你有帮助：
GitHub - WakeUp-Jin/Practical-Guide-to-Context-Engineering: 大模型应用开发的方向，上下文工程是设计原则，Agent Harness...
大模型应用开发的方向，上下文工程是设计原则，Agent Harness 是构建目标，本项目的目标，是为开发者和研究者提供一份大模型应用开发的骨架思路
核心思路： 上下文工程是设计原则，Agent Harness 是构建目标
我记得站内有一个佬对于ClaudeCode的源码解读的文章也很不错，也可以看看这类优秀的工具的工程实践是什么样子的
一点小提醒，我自己的看法
目前大模型应用开发其实并没有形成一个共性，一切都在变化当中，但是变化是有方向的，更多是从优秀的Agent中学习工程实践经验，
例如：ClaudeCode的这类编码Agent的设计理念，怎么做感觉不是很重要，但是为什么这么做就很重要啦，你可以再看opencode这类开源项目的代码设计，或者OpenClaw这类项目的设计
给我的一种感觉就是一个问题，这个Agent要用到哪一个领域？，解决哪一种问题？，那么现在关于这类Agent的最佳工程实践经验有哪些？如果你可以回答出来这些问题，那么我觉得可以作为一种考量标准，你的大模型应用开发技术是合格的
我能想到的一种变化是这样的：为了解决Agent记忆这个问题，很早之前其实有很多声音，例如：知识图谱，Mem0框架，向量数据库，现在最佳的实践是md文件(理由就是简单有效，并且很容易修改），或者Skill的方式
那知识图谱真的没用啦吗？向量数据库带着的RAG也不行啦吗？
我觉得不是的，只是场景变得很小啦，如果数据量很大，其实上面两种还是很有效的
感觉很多的要去理解每一种技术在什么场景下面适用，不能仅仅简单说现在好多Agent都不用啦，所以技术无效
做大模型应用开发，更多的是从解决一个问题入手，具体使用什么设计，什么技术，可以从结果去判断，而不是说会什么技术就可以解决什么问题，这个是不一定的，并且模型不断在变化，而围绕这个变化的东西构建出来的Harness(运行空间），也是不断的变化的
当然我最近发现，如果追求开发速度，那么佬可以考虑一些SDK，例如：Claude Agent SDK，Dify这种可视化，最近Anthropic新出的Managed Agents
说的有点多哈哈哈哈，佬看着理解
--【拾壹】--：
我最近也在看B站，佬有推荐博主吗？可以学习一下
--【拾贰】--：
谢谢佬，分析的很到位，看来对agent有自己的独特的见解，对于新人受益颇多，感谢感谢
--【拾叁】--：
是的，可以上boss上面看一下，需要具备哪些那些技能，针对性的学习
--【拾肆】--：
我也是看琐碎的视频，有些up主的视频讲的挺好，但也不是很系统的完整的课程，佬看看别的佬友的推荐···
--【拾伍】--： xu_jiang:
付费的也可以，求介绍
多和AI对话，了解一下吧，现在付费的很多卖课的，注意甄别。