AI Agent Engineer

AI Agent Engineer

AI Agent 里程碑原典

8 min read

AI Agent 里程碑原典

这里不是第 58 门课程，也不是示例项目。它是与课程区、示例资源并列的独立阅读模块：用 12 篇有代表性的论文和工程文章，串起 AI Agent 从“会思考与行动”到“能在真实工程环境中长期工作”的演进。

内容与版权边界

每篇笔记都是基于一手来源重新组织的原创学习导读，不复刻论文、文章或帖子的完整正文，也不替代原文。每页都标明标题、作者或发布方、版本、日期与原始链接；需要核对细节时，请回到来源。

你会建立什么视角

读完后，你应该能区分五条经常被混在一起的技术线：

  1. Agent Loop：模型如何在推理、行动和环境观察之间循环。
  2. 学习与记忆：失败经验、长期记忆和可复用技能如何影响下一次行动。
  3. 协作与协议：多个 Agent 如何编排，模型应用如何连接外部数据与工具。
  4. 真实评测与接口：能力如何用真实任务验收，环境接口为何会改变 Agent 表现。
  5. 生产 Harness：如何把仓库、工具、约束、反馈和清理机制设计成 Agent 能工作的环境。
flowchart LR
    A["2022 · ReAct"] --> B["2023 · 工具、记忆、反思、技能"]
    B --> C["2023–2024 · 多 Agent、真实 Issue 与 ACI"]
    C --> D["2024 · MCP 与生产模式"]
    D --> E["2025–2026 · 上下文与 Harness Engineering"]

推荐阅读路线

主题原典阅读时抓住的问题
推理与工具ReAct、Toolformer工具循环是提示范式，还是训练得到的能力？
记忆与持续学习Generative Agents、Reflexion、Voyager经验应保存成记录、反思，还是可执行技能？
协作与互操作AutoGen、MCP 发布文章“多个角色对话”和“统一连接协议”分别解决什么？
评测与环境接口SWE-bench、SWE-agent是模型更强了，还是任务、工具和反馈更适合 Agent 了？
生产工程Building Effective Agents、Effective Context Engineering、Harness Engineering怎样把自主性放进可验证、可维护的系统？

12 篇原典的比较地图

#它带来的关键单位今天最值得复用的部分不能直接推出
01 ReActThought–Action–Observation 轨迹用环境反馈更新下一步显式思维文本等于真实推理过程
02 Toolformer带 API 调用的训练样本学习何时、怎样使用工具已覆盖现代结构化 Tool Calling 的全部问题
03 Generative Agents记忆流、反思、计划从经历中检索并形成高层认识模拟得像人就等于真实人类行为
04 Reflexion语言反馈与情景记忆不改权重也能跨尝试改进自我评价天然可靠
05 Voyager自动课程、代码技能库、验证循环把成功行为沉淀为可组合资产在 Minecraft 成功即可泛化到现实世界
06 AutoGen可对话 Agent 与会话编程用角色、消息和控制流组合能力Agent 越多越好
07 MCPClient–Server 协议边界统一发现和调用外部能力协议本身解决授权、安全和质量
08 SWE-bench真实 Issue–补丁–测试任务用最终仓库行为而非文案评分单个排行榜数值代表全部编码能力
09 SWE-agentAgent–Computer Interface为模型设计可操作、可诊断的接口提升只来自更强提示词
10 Building Effective Agents可组合 workflow 与自主 agent从最简单有效结构逐级增加自主性每个 LLM 应用都要做成 Agent
11 Context Engineering有限注意力预算只在需要时装入高信号上下文更长上下文窗口会自动解决长期任务
12 Harness Engineering仓库知识、工具、约束与反馈回路让环境本身可读、可测、可维护少写人工代码就不再需要工程判断

怎么读一篇

这些导读不再只给出概念摘要。每页都围绕一条可以手工复盘的完整机制展开，建议按下面的顺序学习：

  1. 先读学习目标和问题场景：确认原典解决的到底是哪一个瓶颈，而不是先背名词。
  2. 辨认组件和状态：找出系统接收什么输入、保存什么中间状态、由谁作决定、向外输出什么。
  3. 沿机制图走一遍控制流：特别留意环境反馈怎样进入下一轮，以及循环在什么条件下结束。
  4. 跟随贯穿案例：不要只看结论，要逐步回答“这一刻系统看见了什么、更新了什么、为什么做下一步”。
  5. 阅读伪代码或消息轨迹：检查自己能否把自然语言解释重新写成最小实现。
  6. 再看证据和边界：区分作者实际报告的结果、导读给出的结构化解释，以及今天的工程映射。
  7. 最后完成自测：先独立作答，再展开答案；如果说不清反馈或停止条件，就返回机制段落。

掌握一篇的判断标准

你应该能在不看原文的情况下画出核心循环，用一个新案例走完整条轨迹，并指出至少一种会失败的条件。只记得“一句话抓住它”还不算掌握。

每篇通常需要 20～40 分钟。篇幅不追求整齐一致：机制复杂的原典会更长，能用较短流程讲清的内容不会为了字数重复解释。

需要先补基础时

可回到 Agent 核心、Tool Calling、上下文工程、MCP、多 Agent 协作 与 评测体系。本模块负责读懂原典，不重复整门课程。

阅读进度

  • 01 ReAct
  • 02 Toolformer
  • 03 Generative Agents
  • 04 Reflexion
  • 05 Voyager
  • 06 AutoGen
  • 07 Introducing the Model Context Protocol
  • 08 SWE-bench
  • 09 SWE-agent
  • 10 Building Effective Agents
  • 11 Effective context engineering for AI agents
  • 12 Harness engineering

收录规则

这是滚动书目，但不会追逐每一篇新论文。新增材料至少要满足：有可核验的一手来源；改变了 Agent 的基本范式、接口、评测或生产方法；与现有 12 篇不是简单重复。后续只追加编号，不重排旧文件，以保持 Obsidian 链接和公开 URL 稳定。

12 items under this folder.