什么时候你真的需要一个 Agent：三个判断问题、替代方案与成本可靠性权衡
从技术选型角度回答“要不要上 Agent”：用多步、需要工具、需要自主决策三个问题做判断，给出脚本、规则引擎、单次 LLM 调用等更简单替代方案，并对比成本与可靠性，帮助你在动手前做出框架无关的取舍。
更新于 2026年9月23日
你把这篇文章总结成三条要点
Agent已接收任务…
Agent正在拆解文章结构
Agent调用工具 summarize
Agent✓ 1) 先辨任务该不该用 Agent 2) 模型只负责“思考与决策” 3) 工具与循环是它的手脚和节奏
此对话为示例，播放一次后停在完整文本；启用 JavaScript 后可在终端底部输入 help、whoami、loop、ask 等命令与工作台互动，命令全部在本地执行；关闭 JavaScript 时以完整静态文本呈现。
- 12篇系统文章概念 / 实践 / 可靠性
- 2门系统课按序学习，各有产出
- 4篇小白故事零代码，类比入门
- 持续更新内容每周校对上线已发布内容均可直接阅读
三步看懂
Agent 到底是什么？
不用背术语：把它想成一个会循环的模型，给它工具，允许它犯错——它就能替你完成越来越复杂的任务。
- Step 01 · 先认识它
Agent = 会循环的模型
它不只回答一次，而是接收目标、思考下一步、采取行动，再看结果决定要不要继续——这个循环才是关键。
- Step 02 · 再给它手脚
工具，让它真的能做事
搜索、计算、读写文件、调用 API——工具把模型的“会说”变成“会做”，也让它的输出能落到真实世界。
- Step 03 · 接受不完美
会犯错，但越用越顺
调用失败就重试，结果不对就调整；循环与记忆让它在试错中逼近目标，用得越多，越懂你的意图。
为什么是这里
为“学会并做出来”而设计
不堆砌概念，也不只贴代码：每一条路径都指向一个能跑起来的最小实现，再教你把它做可靠。
系统学习路径
从四块积木到最小可运行实现，再把它做可靠、发上线——按真实搭建顺序编排。
进度打卡
勾选课文即可打卡，进度自动记住，换页不丢、无需登录。
决策练习
在工具调用、出错处理等关键分叉点做选择，即时看到结果与解释。
可复制模板
正文提供最小实现与代码模板，可直接取用，再对照官方文档深入。
站内搜索
想找什么直接搜，几秒内找到对应的文章与课程。
双轨内容
系统课打地基，小白故事建立直觉；两条线都能单独读、随时汇合。
横向浏览：继续向下滚动，卡片向左滑过，依次看全 6 项能力
四拍跑通一次工具调用
把模板变成一次真正的工具调用
聚焦「可复制模板」，代码逐行浮现；按下运行看 trace 与执行高亮，最后窗口收进聊天——四拍看清最小工具调用循环怎么跑起来。
const tools = [get_weather]; // 工具清单async function runAgent(input) { const messages = [{ role: "user", content: input }]; for (let step = 0; step < MAX_STEPS; step++) { const res = await callModel({ messages, tools }); if (!res.toolCalls?.length) return res.content; // 无调用意图，收工 for (const call of res.toolCalls) { const out = await handlers[call.name](call.arguments); messages.push({ role: "tool", content: out }); } }}run agent
思考：用户问明天天气，需要实时数据。
调用工具 get_weather({ city: "上海" })
结果：{ "rain": true, "temp": "22–27℃" }
回复：明天有雨，建议带伞 ☔
学习路径
从零搭建你的第一个 Agent
本站主线学习路径。面向有基本编程经验、想亲手搭建 Agent 的中文开发者：先建立概念，再写出最小可运行实现，最后学会让 Agent 更可靠并发布上线。
零基础入口
小白故事线
不懂技术也能读：用生活化的故事，先把 Agent 的直觉建立起来，再决定要不要动手。
故事
如果 Agent 是新来的实习生
用“新来的实习生”这个类比，把 Agent 讲清楚：它要交代任务、要工具、会犯错、要反馈，也会越用越顺。零代码、故事化，适合完全不懂技术但好奇的人。
读故事 →故事没有工具，它什么都做不了
用一个实习生的比喻，讲清楚为什么 AI 光有“脑子”还不够——它要能查、能算、能动手，才真的帮得上忙，也说说它什么时候会帮倒忙。
读故事 →故事它一次能记住多少：Agent 的便签纸
用一个“新来的实习生”的比喻，讲清楚 Agent 的上下文窗口和记忆是怎么回事：为什么它聊着聊着就忘了开头，为什么换个对话它就不认识你了，以及它到底能记住多少。
读故事 →故事为什么 Agent 会一本正经地胡说
一个不联网、不查资料、却特别会说话的实习生，为什么能把没发生过的事讲得头头是道？这篇用“新来的实习生”比喻，讲清 Agent 胡说八道的来龙去脉，以及你该怎么和它相处。
读故事 →持续更新
最新文章
工具调用出错了怎么办：校验、重试与回填
工具调用失败是 Agent 的常态而非意外。本文拆解四类失败模式，给出参数校验、重试与降级、错误回填、超时与幂等的最小实现骨架，并说明哪些错误该重试、哪些该立刻放弃。
更新于 2026年9月23日
工具设计模式：把 API 变成模型好用的工具
从命名、描述、参数 schema 三个维度讲清如何把现有 API 包装成模型真正会用的工具，并给出合并与拆分工具的判断标准，以及工具粒度如何影响上下文成本与选择准确率。
更新于 2026年9月23日
多工具编排：让 Agent 完成多步任务
Agent 只有一两个工具时，循环很简单；工具一多，问题就变成编排：哪些步骤能并行、中间结果怎么传、循环什么时候停。本文讲清多工具编排的四件事，给出控制流骨架，并附一个可本地运行的完整示例。
更新于 2026年9月23日
记忆与上下文：Agent 的便签本
从上下文窗口讲起，说清 Agent 的短期记忆与长期记忆、什么该放进上下文、什么该检索或丢弃、对话历史与摘要策略，以及记忆带来的成本与隐私问题。框架无关，代码最小化，指向官方文档。
更新于 2026年9月23日
MCP 初探：让工具可插拔
从开发者视角拆解 MCP：它是什么协议、为什么需要它、和自建工具函数的关系，以及一个最小接入思路与边界，帮你在自研 Agent 里判断该不该用它。
更新于 2026年9月23日