Agent 应用工程学习路径
这里是 Agent 专题的导航页，负责组织学习顺序、项目入口和求职连接，不重复承担“Agent 运行机制”的正文搜索意图。运行循环由Agent 运行机制总览统一解释，架构选择和协议关系分别由后续文章承接。
适合谁
- 已经会调用大模型，希望系统理解 Agent 为什么能使用工具和推进任务的开发者。
- 正在设计业务流程，需要在固定 Workflow、单 Agent 和多 Agent 之间做选择的工程师。
- 准备开发 Agent 项目，并关注权限、审计、失败恢复与停止条件的求职者。
如果目标是规划完整转型路径，而不是只学习 Agent 技术，先阅读程序员转 AI 主路线。
学习顺序
- 从 Agent 运行机制总览理解感知、决策、执行、观察和停止。
- 用 Workflow、Agent 与多 Agent 的选择方法确定架构边界。
- 通过 Tool Calling、MCP 与 Agent 的关系区分模型能力、协议和运行时。
- 学习 MCP 基础与 MCP 生产实践，补齐连接、权限和恢复。
- 在项目中验证工具失败、状态持久化、人工确认和停止条件。
核心文章
- Agent 运行机制总览：建立完整运行循环和状态模型。
- Workflow、Agent 与多 Agent 怎么选：根据确定性、协作和成本选择方案。
- Tool Calling、MCP 与 Agent 的关系：理解调用能力、标准化连接与任务编排的层次。
- AI Harness 工程化：把 Agent 放入真实代码仓库和确定性门禁中运行。
项目连接
在 AI 面试官 Agent中练习工具注册、会话状态、权限控制和异常恢复；在企业级 RAG 知识库中观察 Agent 如何连接检索、引用与业务权限。开始编码前，先用 AI 项目需求与验收定义目标、非目标和停止条件。
求职连接
面试表达应从“用了某个 Agent 框架”升级为“为什么需要 Agent、状态如何流转、工具权限如何控制、失败如何恢复、何时停止”。进入程序员转 AI 主路线确认岗位要求，再用 AI 项目作品集组织架构决策、运行日志、失败案例和评估结果。