从零开始学习AI Agent的实战路线图

我叫老王，写代码的年头到今天刚好九年。前七年都在跟 Spring Boot、React、Vue、MySQL、Node.js、Python 这些东西较劲，标准的增删改查熟练工。大概两年前，ChatGPT 出来之后我开始折腾 AI，一开始只是调接口做个聊天机器人，后来看到 AutoGPT 那个东西自己在命令行里搜网页、写文件、还给自己分配任务，说实话，那一瞬间我感觉自己学了七年的编程方法论被什么东西撞了一下腰。

我花了两个通宵去跑 AutoGPT 的代码，结果很惨烈。API 费用烧了大几十美元，它经常陷入死循环，要么 JSON 解析失败，要么调用了一个不存在的工具然后原地发呆。我盯着满屏的 error log，脑子里只有一个念头：我必须从零开始，一行一行把它写出来，不然我永远不知道这东西到底是怎么转起来的。

后来我关掉所有现成的框架，建了一个空文件夹，取名 manus-agent（那时候还没人用 Manus 这个名字，我就是觉得这词儿有“手”的意思，Agent 本来就应该能动手干活）。我给自己定了个死规矩：每加一个功能之前，必须先弄明白它为什么会出现在那里，以及它坏了该怎么修。

这个专栏，就是把我从那个空文件夹开始，一直到现在做出一个能跑在生产环境、支持多 Agent 协作、有完整前端面板的智能体系统，整个过程完整地拆开揉碎了，带你重新走一遍。你不是在学一个黑盒框架，你是在和我一起，一行一行把这个系统给造出来。

我画了一张图，就是这个专栏的完整学习路线。你先花两分钟把它看明白，后面的199篇文章你会一直知道自己在什么位置，在往哪个方向走。

你可以把这个图存下来，以后每次不知道今天该干啥的时候，就翻出来看一眼。

在这个专栏的前20篇，我会带着你在空文件夹里用 TypeScript 搭一个 Node.js 项目，接上 OpenAI 的 API，写一个最简陋的 while循环：接收用户输入，送给 LLM，拿到回复，如果有工具调用就执行工具再把结果喂回去。就这一个循环，我们就会手写工具描述解析、工具路由、多轮对话记忆、会话持久化。第20篇结束的时候，你电脑上会跑着一个命令行版的 Agent，它能跟你聊天，也能查天气。

能跑起来只是第一步。接下来你要面对的是：同一个问题怎么不重复调 API（缓存）、长任务怎么不让用户干等（队列）、对话历史怎么记得住又读得快（向量数据库）、怎么保证 API 不被人刷爆（限流和鉴权）。

这些就是后端基建。我们会从安装 Redis 开始，一路搞到 OpenTelemetry 分布式追踪和 k6 压力测试。这个阶段结束，你的 Agent 就不再是一个玩具脚本，而是一个扛得住折腾的后端服务。

从第71篇开始，我们会引入多 Agent 协作。我会带着你用 XState 状态机来控制任务分发，让搜索 Agent、代码 Agent、评审 Agent 各司其职。第一次看到三个 Agent 同时干活最后汇总出一个漂亮的结果时，你大概率会跟我一样，对着屏幕傻笑。

这个专栏的最后4篇，我会教你怎么写产品文档、怎么搭建在线演示环境、怎么写一份让面试官眼睛发光的复盘报告。说实话，这套流程我自己走了一遍之后，简历上的项目描述完全换了个档次。

你可能注意到了，这199篇的路线图里，我一句都没提“前端岗位”或者“后端岗位”。因为 Agent 开发这件事，天然就是全栈的。你既要懂后端怎么高效调用模型、管理上下文，也要懂前端怎么把 Agent 的思考过程展现给用户。不管你之前是做哪块的，跟着这个专栏走完，你就是一个能独当一面的 Agent 全栈开发者。

最后说句掏心窝子的话。这两年我越来越觉得，Agent 不是什么高不可攀的技术，它更像是一套工程方法论。你需要的不是一个魔法师带你飞，而是一个扛过锄头、挖过坑的工头，告诉你哪里石头硬，哪里水太深。

我就是那个工头。我是老王，咱们专栏里见。