Way To Agent 是什么

Way To Agent 是一条通往 AI Agent 世界的路，帮助你理解、构建并评估真正可运行的智能体系统。

它先要解决一个很具体的问题：很多人学习 Agent 时，很快就会掉进工具清单里。

有人从 Prompt 开始，有人从 RAG 开始，有人从 Function Calling 开始，也有人直接进入 LangChain、LangGraph、Dify、Coze 或 N8N。每个入口都能看到一部分，但如果没有主线，看到的就只是局部：知道这个工具能做什么，却说不清什么时候该用它、为什么需要它，以及它和其他能力如何组成一个系统。

Way To Agent 不想把这些东西重新排成另一张工具清单。它更关心一个问题：

如何构建可靠、可维护、可评估的 AI Agent 系统？

围绕这个问题，模型调用、Prompt、RAG、检索、工具调用、记忆、规划、工作流和工程化就不再是并列名词。它们分别回答 Agent 的不同问题：模型如何理解任务，知识从哪里来，工具怎样被调用，状态如何保存，流程如何推进，错误和成本如何被约束。

这个知识库不会把 Agent 简化成“更会聊天的机器人”，也不会把它包装成某个框架的使用手册。这里讨论的 Agent 更像一种应用系统：模型能够理解目标，借助知识和工具完成多步骤任务，并在权限、状态、成本和质量约束下运行。

可以先把下面这张图当成 Way To Agent 的能力结构。它不是让你记住所有名词，而是帮助你判断：一个 Agent 系统缺了哪一块，风险会出现在哪里。

这条路线会从三层能力展开。它们不是严格的学习顺序，而是理解 Agent 系统的三个视角。

第一层是模型与知识：模型如何理解任务，Prompt 如何约束输出，RAG 和检索如何给模型补充外部知识。

第二层是行动与编排：工具如何被调用，状态如何保存，多步骤任务如何推进，工作流和 Agent 如何配合。

第三层是工程与治理：日志、成本、权限、安全、评估、后端服务和流式输出如何把 Demo 变成可运行系统。

接下来，我们会从这几个方面介绍：

00-guide：导学与 Agent 主线
01-ai-agent-application-foundation：AI Agent 应用基础
02-llm-basic：大模型应用基础
03-prompt-engineering：Prompt 与结构化输出
04-rag：RAG 知识库工程
05-retrieval：检索系统与向量数据库
06-agent：Agent 与工具调用
07-langchain-langgraph：Agent 编排框架
09-ai-agent-engineering：日志、评估、成本、安全
10-backend-for-ai-agent：AI Agent 应用后端工程能力

如果不知道从哪里开始，可以按目标选择：

• 先理解 Agent 是什么：读 00-guide/002-what-is-ai-agent.md，再读 06-agent/001-what-is-agent.md。这条路径先回答 Agent 和 Chatbot、RAG、Tool Calling、Workflow 到底有什么关系。

• 先做知识库问答：从 02-llm-basic/001-llm-basic-concepts.md 开始，再读 Prompt、RAG、检索和工程化相关内容。这样不会一开始就陷入 Agent 编排，而是先把模型调用、上下文和引用来源这些基础问题弄清楚。

• 先看系统如何落地：从 09-ai-agent-engineering/001-ai-engineering-overview.md 和 10-backend-for-ai-agent/002-java-ai-architecture.md 开始。这里会更早看到日志、成本、权限、服务边界和流式输出这些问题。

这些路径不是互斥的。它们只是为不同前置知识提供入口。读到后面，你仍然会回到同一条主线：Agent 不是一个单独组件，而是一组能力在任务目标下协作。

后面的文章会尽量保持独立，但它们不会彼此割裂。每篇文章都会回到三个问题：

这项能力在 Agent 系统里处在什么位置？
它解决什么问题，又引入什么新问题？
它和其他能力如何协作？

继续阅读可以从这里开始：

00-guide/002-what-is-ai-agent.md
06-agent/001-what-is-agent.md
04-rag/001-what-is-rag.md
03-prompt-engineering/001-what-is-prompt-engineering.md