“AI Agent 入门，新手和转行者先学什么”这句话我最近被问得特别多。
原因也简单，AI Agent 的火爆让大量非科班的人动了心思，想转行、想提效、想抓住这波机会。但大家的第一反应几乎一样：去搜 LangChain、AutoGen、LlamaIndex、CrewAI 怎么用，或者去 B 站找“三小时上手 AI Agent 框架”的教程。我每次看到这种学习路径都想拦一把——新手和转行者一上来就啃框架，是效率最低、挫败感最强、也最容易放弃的一条路。
这篇文章换个思路聊。不是给代码仓库，也不是介绍某某框架，而是老老实实讲清楚：如果你是新手或者打算转行做 Agent 方向，在碰任何框架之前，最该学的是什么、最该练的是什么、以及为什么先别急着啃框架。
1. 为什么“一上来就啃框架”是新手最容易踩的坑
1.1 框架不是知识体系，它是解决特定问题的工具包
很多人把框架当成了“知识本身”，这是最根本的误区。
我先打个比方。你想学做饭，请问你的第一步应该是什么？是去研究顶级餐厅的后厨菜谱软件，还是先学会洗菜、切菜、判断火候？答案显而易见。框架不是菜谱，框架是后厨那套标准化流程管理系统。你连食材都不认识，直接去学怎么用后厨调度系统，学完之后你还是不会做菜，只会点按键。
LangChain 这类框架的本质是什么？是把“调模型”“拼提示词”“管记忆”“连工具”这些高频动作封装成类或者函数，让你少写重复代码。它解决的是工程效率问题，不是帮你建立 Agent 的思维方式。
而且框架有个特别坑的属性：迭代太快。你今天照着某教程学的 API，可能下个月就 deprecated 了。基础没打牢的人，每一次框架升级都像二次转行。但你如果要我问什么在任何框架更新下都不过时，那就是你对 Agent 底层运行逻辑的掌握，对提示词的理解，对工具调用的设计，以及对模型能力和边界的准确判断。
1.2 框架的隐藏学习成本：抽象层让你看不清到底发生了什么
另一个要命的问题是，框架会掩盖细节。
打个通俗的比方。框架帮你搭了一个高架桥，你确实能从 A 到 B，但你可能永远不知道桥墩是怎么打的。绝大多数初学框架的人，最终只会“填空式调用”：我来定义个 prompt，我来选个模型，我来塞个 tool，剩下交给框架跑。
这种玩法一旦遇到框架没有帮你封装好的场景，立刻就废了。举个例子，很多人用 LangChain 的 AgentExecutor 调工具，跑通了还特开心。可问他：Agent 到底是根据什么决定调哪个工具？如果工具返回的结果是错误信息，Agent 会怎么处理？他是一脸懵的。
因为框架把里面的决策循环全包住了，你看不见，也就不可能真正理解。这个理解不到位，后面做复杂一点的 Agent 项目就会发现，它要么不会调工具，要么无限循环调同一个工具，要么被一个垃圾反馈带偏，然后你以为自己没写对，其实是缺少底层的 Agent 循环认知。
1.3 新手真正需要的是确定感和“看得见的进度”
还有一个很实际的心理因素：挫败感。
框架学起来是一大片一大片的新概念，感觉永远在学，永远没产出。新手尤其需要“即时反馈”——学了立刻能做出一个小东西，然后在这个小东西上体会到掌控感。而一上来啃框架，学了一周连个能跑通的 Demo 都没有，不崩溃才怪。
所以我的判断很明确：新手和转行者入门 AI Agent，正确顺序不是“学框架→用框架做项目”，而是“掌握核心基础→徒手搭一个最小 Agent→理解框架要解决的痛点→学会挑框架”。
2. 入门 AI Agent 前必须先打牢的三块地基
2.1 编程基础：不需要卷算法，但逃不掉这三样
很多文科背景或者测试背景想转 Agent 的人，一听到“编程基础”就头大。其实搞 AI Agent 这个方向，对编程的要求和做算法岗完全不同。你不需要啃《算法导论》，不需要手撕红黑树，但下面这三样必须过关，且是摄像头级的过关。
第一样是 Python 语言本身。要熟练到不查文档就能写出循环、条件、函数、类和字典嵌套这种程度。注意我说的是“熟练”，不是“看过”。检查标准我一般建议：给你一个数据列表，你能手写出来过滤、转换、分组统计吗？如果能，那 Python 的日常用法没问题。如果还要想半天，就先别管 Agent 了，回去把基础练熟。
第二样是接口调用。AI Agent 的核心动作是“调 API”，不只是调大模型 API，还要调搜索 API、工具 API、数据库 API。你必须懂 HTTP 请求是怎么回事，知道请求头、请求体、返回状态码，会处理 JSON。怎么说呢，你把大模型当成一个回 JSON 的远程服务，Agent 就是你写的那个会根据返回结果继续做决定的程序。不懂接口调用，后面寸步难行。
第三样是结构化数据操作。Agent 的输入输出大部分是 JSON，你的技能核心就是：怎么从嵌套 JSON 里取字段、怎么把数据转换结构、怎么处理缺失值、怎么对 JSON 数组做批量操作。这些更多是基本功，别觉得简单就跳过，大量翻车现场都出在这些上。
我见过太多转行者，框架文档读得挺溜，真让他写个小的数据处理函数却写不出来，一问原来是基础没打牢。建议大家别跳这步，省了时间后面加倍补。
2.2 提示词工程：不是“写话术”，而是设计模型的“状态”
提示词工程是 Agent 开发和小白项目最大的分水岭。
很多人以为提示词工程就是会“好好说话”，这是错觉。提示词工程的本质，是你通过自然语言去精准控制一个概率模型的行为边界和输出格式。它更接近“接口设计”，而不是“聊天”。
入门阶段重点学下面几块：
角色设定：给模型一个身份和职责范围。别写“你是一个助手”，要写“你是一个负责检查用户输入中收货地址的助手，你的任务是从文本中提取完整的省市区街道信息”。角色设定越具体，行为边界越清楚，模型越不容易跑偏。
任务分解：把复杂任务拆成步骤在提示词里一段段引导。模型更像短跑选手，适合一次处理一个明确的小目标，不适合一长串多任务指令。
格式约束：让模型输出指定格式，比如“只输出 JSON，不要解释，不要 markdown 代码块标记”。这决定了你这个 Agent 能不能踏实把结果交给后面的流程。
思维链：引导模型先推理再回答。对 Agent 场景尤其关键，因为模型内部“先想哪一步、再想哪一步”决定了决策质量，即便你不展示中间过程，也建议在提示词里要求它“先梳理已知信息，再做计划，最后给出结果”。
千万不要觉得提示词太“软”，觉得不是硬技能。事实上，提示词质量直接决定 Agent 的智商上限。同一个模型，提示词草率的，干出来的活像人工智障；提示词设计得当的，活干得又快又准。这不是玄学，是硬功夫。
2.3 理解大模型的边界：这是 Agent 所有设计的出发点
Agent 为什么会出 bug？绝大多数不是代码逻辑问题，是你没理解模型的能力边界。
模型有四个核心特点，直接决定了 Agent 怎么设计：第一，模型一次能处理的上下文是有限的，所以你才需要记忆管理和裁剪，而不是无脑把历史全塞进去；第二，模型是概率生成，不是确定性计算，同样的输入未必有同样的输出，所以你写判断逻辑时，不能指望它每次返回同一句话，最好让它输出 JSON；第三，模型没有真实世界感知，它不知道当前时间，不知道实时数据，所以 Agent 才需要联网和查库；第四，模型会一本正经地编造内容，所以重要步骤必须有校验和兜底机制。
四条边界模型放在这，不是让你背概念，而是让你在设计 Agent 的时候形成一种肌肉反应：这儿模型可能记不住所以我要摘要一下，那儿模型可能编造所以我要加个格式或关键词校验。这种感知，框架不会教给你，自己练出来的才最可靠。
3. 建立 Agent 思维：从“写功能”到“设计自主决策流程”的核心转变
3.1 别把 Agent 当函数，它是“带着目标滚雪球”的过程
搞清了基础，下面这个坎更难，也是新手最容易想歪的地方——什么是 Agent 的思维模式？
传统的程序思维是确定性执行：输入进函数，按逻辑处理，返回结果。Agent 思维完全不同，它像滚雪球：先有一个大致目标，然后它自己决定第一步做什么、做完看结果、根据结果再定第二步。整个过程没有一条固定跑道，每一步都可能因为上一步的结果而改道。
为了帮你快速领悟，举个最简单的例子。传统代码写“查询天气并返回结果”，就是一行接口调用；Agent 则被设计成这样：收到用户的问题“明天下雨吗”之后，它先判断这属于什么类型的请求，决定要不要调用天气工具；调用完拿到明日有雨这个结果，它再决定是用这个结果直接回答，还是需要补齐温度、湿度；最后组织语言返回。通俗讲，传统程序更像自动售货机，塞硬币出饮料，路径固定；Agent 像一个会自己查地图的导航员，根据路况随时调整走法。
这种“决策＋行动＋观察结果的循环”是所有 Agent 的灵魂。你什么时候能在纸上把这个循环画清楚，什么时候就算进门了。
3.2 三种经典的决策循环模式，先搞懂再谈工具
现在业内最常见的 Agent 决策逻辑，其实就三类。入门的你不需要把每一个 AI 论文都读明白，但这三个名字和它们的取舍必须摸透。
第一个是 ReAct。名字很形象，Reason（思考）加 Act（行动）。它的做法是：模型先想“现在是什么情况？为了完成任务，我应该做什么？”然后采取行动（比如搜个网页或者调个接口），观察拿到的新信息后再想“接下来呢？”，直到任务完成。ReAct 好处是直观灵活，坏处是每一步都要调模型，速度慢，成本高。
第二个是 Plan-and-Execute。思路是先让模型做一个总体计划，比如“第一步查库存，第二步算价格，第三步下订单”，然后按计划逐步执行。它比 ReAct 少了点临场判断，但好处是节省反复调用模型的次数，执行路径可预期。
第三个是反射或反思循环。流程是：行动→获得结果→对结果做质量评价→发现问题→重新行动。适合对输出质量要求高的场景，比如写代码、写文案，第一版不行，就自己批评自己，再来一版。
我见过不少新手一上来就追着框架里那些花哨功能跑，Agent 决策逻辑反而全是浆糊。我的建议：先拿这做题，拿小场景设计三种模式各怎么写，这才是真正有用的手感训练。
3.3 状态管理——新手极其容易忽视的暗坑
新手用框架时最常遇到的问题是什么？是“Agent 怎么像一个金鱼一样，记不住前面的事”。
因为模型不天然保留记忆，每次对话都是全新的。Agent 的“记忆”，完全靠你自己去管理。作为初学者，别一开始就琢磨什么向量数据库、长期记忆。你只需要学会两件事：第一，把历史对话按“最近最重要”的原则截断后塞回上下文，最古老的可以丢弃或者压缩成摘要；第二，给 Agent 一个“工作台”，把任务目标、已完成步骤、当前关键发现放在最前面的固定位置，保证模型随时看得到。
这个小设计在很多框架里叫“系统提示词优先位置”或“工作记忆区”。真正想入门的人，我建议先别用现成组件，自己手动拼一下上下文：哪些内容放最前面、哪些放最后、哪些必须删。拼过一次你就懂记忆管理为什么是 Agent 的核心难题了。
4. 工具与框架的正确打开方式：先徒手拼一个小 Agent，再回头选框架
4.1 徒手实现一个最小 Agent：API 接一个，做到真正的“知其所以然”
你不要一上来就装 LangChain，先把下面这个最小闭环做出来。这个 Demo 的骨架就是 Agent 的全部核心了。
给你个极简伪代码思路：
定义一个目标，比如说“根据用户输入的城市名，查询天气并给穿衣建议”。然后让你的主程序循环执行：第一步，把所有已知信息（用户问题、历史步骤、已经拿到的天气结果）拼成一段系统提示，交给模型，让模型输出 JSON，里面两个字段：thought（它当前的分析）和action（下一步动作，比如search_weather或者reply）。第二步，程序根据 action 决定是调天气 API，还是整理回复发给用户。第三步，把每次调用的结果追加到历史里，回到循环，直到模型输出的 action 是reply。
这个看似粗糙的循环可以说是所有 Agent 框架的祖传核心，什么 memory、tool calling、planner，都是为了省你和这段循环的亲密接触时间。但你真徒手写一遍，就会顿悟出三件事：第一，原来每一步都要支付一次模型调用成本；第二，原来模型乱输出格式怎么办，必须做提示词约束和解析容错；第三，原来“上下文越塞越多”这个问题，是必然要面对的。
写不出这个循环的人，用框架只能算“会用”，不能算“会做”。这个区分，面试、实际开发、转行评估都适用。
4.2 从手写里总结框架要解决的问题，学会“挑选框架”
当你徒手写完最小循环，再回头去看框架，你的眼光会完全不一样。
你会清楚地看到框架在替你解决什么：它帮你封装了和大模型通信的层，简化了多工具注册和调用，提供了记忆管理组件，内置了 ReAct 之类的决策循环模板。这个时候学框架，你不是在背 API，而是在选工具，你知道你现在写的最小循环里哪里麻烦，就能明白框架为什么帮你封装那部分。
挑选框架的标准也会更清晰：一是生态活跃度，社区活跃、更新频繁，意味着坑少；二是抽象程度是否适合自己的场景，比如做深度定制，轻量框架或直接手写往往更好，比如跑标准流水线，重量级框架更省事；三是对模型供应商的支持范围，可别选了一个后期不支持你想用的模型能力的框架，那时候骑虎难下。
如果非要给个入门期路线建议，我个人更倾向于让新手先去读一两个流行框架的实现思路，看看它们的 Agent 类里面到底做了哪几件事，然后继续用自己的手写代码做小项目。这样既不会被框架绑定，也不会对工程化完全无感，这是我认为效率最高的过渡方式。
4.3 别过度崇拜“多智能体”，先把单 Agent 跑稳
现在的教程圈有一个非常误导人的倾向，上来就教多智能体协作，几个 Agent 互相聊天、分工完成任务，看着特别炫酷，特别“未来”。
然而真相是，绝大多数应用场景，单 Agent 加几个工具就完全够用。多智能体协作看起来先进，实际要处理额外一大堆问题：智能体之间怎么共享上下文，怎么避免互相干扰，怎么防它们陷入“你说一句我接一句”的无意义循环，怎么把控成本。这属于进阶玩法，不是入门课题。
新手最大的优势就是能跑通端到端的完整链路，技术可以拆开练，但流程一定要完整：用户提问进来，经过理解、思考、查证、组织答案、生成输出，整个闭环在本机完整跑起来。你的认知要完整嵌在这个闭环里，先做好一件事，再谈系统复杂度，这才是正路。
5. 新手和转行者怎么规划：第一个月的行动清单与自我检测法
5.1 第一个月分三周走：基础、闭环、小项目
如果实在不知道怎么下手，我这套按周划分的计划可以说很圈内了，已经带好几轮新手验证过了。
第一周只打基础和提示词。白天练 Python 接口调用，写几个脚本调大模型 API，用 curl 或 requests 把返回的 JSON 解析得明明白白；晚上练提示词，到社区里找公开数据集或者自己编场景，反复调提示词，练到手感平稳。
第二周就徒手写最小 Agent。目标就一个：上面 4.1 写的那个循环，完整跑通。先不讲究优雅，能循环跑通就算胜利。然后在这个基础上加一个工具调用，比如查个时间、算个汇率，进一步强化你对“模型出动作→程序执行→拿反馈”的理解。
第三周做一个小而真实的项目。我强烈建议找个自己平时会真实用到的场景，比如“根据一堆杂乱的笔记，自动整理成结构化文档”，或者“个人 RSS 摘要助手”。那种刷题库式的小作业不建议做太多，真实场景才能逼你处理模糊输入，处理各种异常数据，对你真正有用。
5.2 怎么判断自己入门成功了：三个自查问题
如果不想按周卡自己，也可以拿下面三个问题自我检测，能够顺利回答出来，说明你算真正入门了：
第一问，我不要用任何框架，要你临时给个场景，你能设计出一条 Agent 循环逻辑吗？第二问，当模型返回的不是规范 JSON，或者工具调用超时，你的程序会怎么处理？第三问，如果你要告诉别人 LangChain 或任何一个流行框架的 Agent 模块封装的是哪几件事，你能说清楚吗？
这三个问题，第一个考你决策循环的掌握，第二个考你容错和边界意识，第三个考你是否有“透过框架看本质”的视野。三个都过关，你的 Agent 基础就算扎实了。别觉得这个标准低，能做到这三点的候选人，实际工作中已经能独立撑起小模块了。
5.3 转行者简历上怎么呈现：作品叙事大于工具列表
最后专门跟想转行的人说两句简历和作品集的事。
不要堆“熟悉 LangChain、AutoGen、CrewAI”这种工具清单，现在满大街都是这种简历，没有说服力。要让你的项目描述体现逻辑：你为什么要用 Agent 而不是传统程序？你遇到了什么决策或上下文问题？你怎么做的记忆管理？怎么控制模型乱输出？
哪怕你只用 requests 库手动拼了一个最小 Agent，只要能把上述题目讲透，都会非常加分。转行本身并不吃亏，吃亏的是用“背框架”冒充“懂原理”。面试官最在意的是你能不能独立分析问题和解决问题，而这恰恰是项目中训练出来的东西，不是背 API 背出来的。
6. 写在最后：我最想叮嘱新手和转行者的五件事
如果是刚看完上面内容，就摩拳擦掌准备动手了，那不妨再听我啰嗦几句，这几个点都是亲测教训，别人很少会这样完整讲给你听。
第一，不要囤课。收藏一百个视频，不如手写二十行代码。AI Agent 是门手艺，核心是动手，“看过”和“会做”差距很大。
第二，别追求“完美再开始”。先有丑的能跑，再有美的能看。我见过太多人纠结用哪个框架、装哪个环境，结果一个月过去还没跑通一个循环。用最简单的方法先跑出雏形，再去打磨。
第三，日志是你最好的老师。给 Agent 每一步都加上清晰的日志输出：这步模型怎么想的，它选了哪个工具，返回了什么，下一步为什么这么走。排查问题的时候，这比任何框架调试器都管用。
第四，成本和速度要心里有数。调用大模型 API 是按量计费的，每次循环都是钱。设计 Agent 的时候要估算一下完成一个任务要调几次模型，有时候通过减少不必要的“思考”步骤，成本能降下来很多。
第五，保持对模型能力变化的选择敏感度。模型的进化速度很快，老经验不要固化，多试试不同的模型和参数，用最小成本验证新能力，这是吃这碗饭的基本功。
入门 AI Agent，路径不难，难的是定力。别跟风去啃框架，把基础打牢，把原理吃透，你的天花板会比那些只会用框架的人高很多。蹭热点的人走了，留下的是稳扎稳打能把事做成的人——希望你成为后者。
