从零学习 AI Agent，先学原理还是直接上框架？

用框架都是 2025 年时常规做法，后来因为过于复杂，一般 agent 用不到，用框架都是复杂分支和动态扇出。
agent 最稳的是手搓。大概就是：用的 llm ，是否支持 fun-calling （旧模型或小模型大不支持），状态存哪几张表、迁移可不可逆？断流了怎么接得上？然后就地基层（校验器/沙箱/加载器，零依赖纯函数，同层互不 import ）→ 工具层（ schema + dispatch + 幂等）→ 循环层（内循环 40 行 + 外循环状态机）

1：没有顺序。Agent 的本质就是 ReAcT 这篇论文。
2：目前流行的 Agent 都是“反框架”的。
4：没有顺序，他们分别只是不同的能力。你说你是先学走路、先学吃饭还是先学说话？都要学，但哪个先学都可以。
5：OpenCode 就不错
6：没有突出的，或者说大家都一样。Agent 这个东西他就没有客观评价体系。主观的输入 + 主观的引擎 = 主观的结果。

直接手搓，不用框架，目前没有好用的框架。

推荐几个我觉得不错的资料：
https://learn.shareai.run/zh/
https://walkinglabs.github.io/learn-harness-engineering/zh/
https://bojieli.github.io/ai-agent-book/

如果想基于现有 agent 框架扩展，可以看看[pi]( https://github.com/earendil-works/pi)。但这个不是一个框架，更像是一个最小的 agent harness 实现，方便进行后续扩展。

@qimeng123 高深，使用上好像确实是这么个意思，有推荐的学习资料么，或者是怎么入门？

@sentinelK 有推荐的入门资料或者视频吗

目前很大程度上变成做 skill 和 tools 了

我是直接先用原生大模型 API 实现结合 ai 一个简单 Agent ，对于其他复杂的功能，缺什么再去补，比如如何兼容多套 llm ，记忆日志这些怎么接入，会话如何管理，工具系统，先自己想一下，反正结合 ai 问着来学，后面面向更复杂更工业化级别的就去看源码，pi 不错的，也不算很复杂，但是架构很清晰，这些搞完只是单体，后面我觉得多服务的架构就是更后端工程化的了。

直接手搓吧，完全不用框架顶多引入 openai 的 api 调用包，其他的 vibe 出来难度不大
基本结构就是 上下文管理 + tools + loop + 状态管理
还有上下文压缩也属于上下文管理
LLM 的接入一般都是 openai 格式的，但不同 LLM 还是会有一些差异需要微调和兼容

再往后就可以关注可观测性、恢复执行、执行沙箱（我也没玩到）、命令执行授权、记忆管理 大概记得的就这些了

先从最简单的 loop + tools 开始玩就行了， 搓出来后还是有一点正反馈的

学完了发现这些东西都是现有 ai 编辑器有的功能，哈哈，我刚学完

最近在看这个 https://yixiangshijie.github.io/ai-agents-in-action-2nd-edition-cn/#/

上手就完事儿了，没那么复杂 pydantic-ai

1 、学的慢了可以不用学了，每过一段时间都会出新的概念，照着新概念去学，比如最开始的提示词工程、上下文管理、再到 Agent Loop 和 ReAct 、Harness 等等，照着新的学，新的包含了旧的
2 、不学框架。自己去实现调用过程，研究各个参数是干什么的，然后去手搓框架，照着这 3 种 api 去做兼容：Chat Completions API 、Responses API 、Messages API
4 、从基本的聊天开始，然后加上工具调用，就是写一些 read 、write 、grep 、glob 之类的工具，老项目接入 ai ，无非就是通过工具包装一下接口，ai 生成调用接口的参数，反正就是调 API ；
如果要接外部的工具，就去实现 MCP 协议，无非就是通过 jsonrpc 传递参数和工具名称之类的；
至于 RAG ，就是把文字变成向量然后去检索，找个向量库去试试，学一下切片策略，然后把向量库检索作为一个工具，这就变成了 Agentic RAG ；
然后就是 Skill 了，就是在提示词里把 skill 的名称、简介、路径放上，ai 去选择 read 等等工具，去读 markdown ，把读出来的内容放到上下文里；
接下来研究下上下文怎么控制、上下文怎么压缩之类的了
再往后就是任务规划、任务编排、记忆了，照着各个 agent 工具抄就行，比如，提供一个 todo-list 工具，让 ai 把规划好的任务和任务状态给存进去，让 ai 即使反馈和维护状态，就参考 superpower 、trellis ，去抄设计思路就完了；
5 、对着现有的功能去抄，比如抄 Codex 、OpenCode 、Claude Code 等等
6 、直接去读各个模型供应商的文档，碰到不懂的去查

https://github.com/Menfre01/waveloom 可供学习，从 0 到 1 撸出来的 code agent ，实际没有想象中难。花了两个月烧了 75 亿 token 从 0 经验开发出来

原理可以先了解，然后手搓简单版本的试一下效果，比如 tool call 是怎么实现的

原理本质上并不复杂，AgentLoop 、ReAct 往简单了说就是 for/while 循环

但是没手搓过，可能对这个循环的概念并不深刻

可以看看我的 blog ，会 share code agent 一线开发的资料 https://github.com/Menfre01/waveloom-blog

最基本的原理就是个大循环，一直调大模型，大模型返回 tool call ，你执行完调用把结果塞回去，直到循环到大模型不返回 tool call 就结束了，输出结果。

原理没啥可看的，直接上框架

我也写了 4 个月 agent 了， 到现在也没理解那些框架的意义在哪里。 特别是 langchain 这种，不就是组装个 llm 请求吗？

你要不要拉个微信群， 大家一起探讨探讨 agent 开发

先做个 mvp ，然后堆叠技术栈做路线图学习。

有人自学然后找到工作的吗

最近在看这个项目 https://github.com/bojieli/ai-agent-book 学底层原理 有空一起交流啊

可以参考 pi agent 项目，核心代码就几千行，很好理解。

@coderxy 有交流群吗，想入

opencode 就算了，学 pi 吧