概念基础
围绕 12 周课程分层补齐概念，理解依赖链条。解释会持久化保存，离开页面不丢失。
各层前置要求
基础 · 工具与心智模型
建立代码阅读的基本图式，矫正对 Agent 工作方式的直觉，掌握变量追踪、控制流识别、API 调用模式
前置概念
无——这是课程的起点
补漏重点
- TypeScript 基本语法（变量声明、函数定义、async/await）
- 命令行基础操作（cd、ls、npm run dev）
- HTTP 请求的基本概念（GET/POST、JSON body）
- 代码阅读方法：从「认真看每一行」到「先画骨架再填细节」
理解 · 源码与实战
深入 Agent 各子系统：上下文工程、记忆系统、规划推理、安全护栏、多 Agent 协作、可观测性
前置概念
补漏重点
- LLM API 调用格式（system prompt vs user message 的区别）
- JSON Schema 的基本写法
- PostgreSQL 数据库基础（表、查询、索引）
- 向量和嵌入（embedding）的基本概念
- SSE（Server-Sent Events）与 WebSocket 的区别
- JWT 认证流程（签发→携带→验证）
建造 · 从零搭一个
从零实现最小 Agent 循环，接入 picturebook-kg 现有系统，加日志/质量门禁/retry，综合复盘
前置概念
补漏重点
- Node.js fetch API 的用法（headers、body、response 处理）
- Prisma ORM 基本操作（findMany、create、connect）
- cron 表达式语法（分 时 日 月 周）
- 指数退避算法（1s→2s→4s→8s + 随机抖动）
- 如何写系统 README（架构图、启动步骤、已知局限）
概念依赖链（按周展开）
第 1 周8 个核心概念
结构化阅读代码的系统方法：先画流程骨架，再标注函数意图，最后追踪数据变化
忽略细节，用 3-5 步画出代码的主要执行路径
依赖：代码阅读方法论
手动跟踪一个变量从初始化到最终使用的完整生命周期
依赖：代码阅读方法论
不只看函数做了什么，更要理解它为什么存在、在系统中扮演什么角色
依赖：代码阅读方法论
代码按行号从上到下逐行执行，每行完成后进入下一行
if/else/switch 根据条件选择不同执行路径
依赖：顺序执行
程序中执行顺序的完整路径：顺序→分支→循环→函数调用→返回
依赖：顺序执行 → 条件分支
通过条件拼接动态生成数据库查询的模式，常见于 ORM 层
依赖：控制流 （含间接依赖：3 个）
第 2 周12 个核心概念
Agent 的核心工作循环：接收输入→LLM 推理→决策行动→获取结果→判断是否完成→循环或结束
依赖：代码阅读方法论 → 控制流 （含间接依赖：4 个）
Agent 三步范式：感知环境状态→推理下一步动作→执行动作并观察结果
依赖：Agent 循环 （含间接依赖：5 个）
LLM 在 Agent 循环中的核心作用：根据上下文决定下一步该做什么
依赖：Agent 循环 （含间接依赖：5 个）
根据 LLM 的决策结果，将请求分发到对应工具函数执行的机制
依赖：Agent 循环 → 条件分支 （含间接依赖：5 个）
LLM 一次能「看到」的最大文本量，包括 system prompt + 历史消息 + 用户输入
依赖：Agent 循环 （含间接依赖：5 个）
LLM API 的 messages 参数结构：[{role, content}, ...]，按顺序拼接为完整上下文
依赖：上下文窗口 （含间接依赖：6 个）
将 system prompt、历史消息、用户输入按规则拼接成 LLM 可接收的完整 prompt
依赖：上下文窗口 → 消息数组 （含间接依赖：7 个）
每个 LLM 模型有最大 token 上限，超出会截断或报错，需要管理上下文长度
依赖：上下文窗口 （含间接依赖：6 个）
LLM 不直接执行操作，而是输出「调用工具X(参数Y)」的指令，由宿主程序执行
依赖：Agent 循环 （含间接依赖：5 个）
LLM 的一种特定能力：根据 schema 定义，输出结构化的函数名+参数 JSON
依赖：工具调用 （含间接依赖：6 个）
用 JSON Schema 描述一个函数的名称、参数、类型、描述，供 LLM 理解可调用工具
依赖：函数调用 （含间接依赖：7 个）
决定何时让 LLM 调用某个工具的判断逻辑（关键词匹配 / LLM自主判断 / 规则触发）
依赖：函数调用 → 工具路由 （含间接依赖：8 个）
第 3 周12 个核心概念
Agent 的核心工作循环：接收输入→LLM 推理→决策行动→获取结果→判断是否完成→循环或结束
依赖：代码阅读方法论 → 控制流 （含间接依赖：4 个）
LLM 一次能「看到」的最大文本量，包括 system prompt + 历史消息 + 用户输入
依赖：Agent 循环 （含间接依赖：5 个）
LLM API 的 messages 参数结构：[{role, content}, ...]，按顺序拼接为完整上下文
依赖：上下文窗口 （含间接依赖：6 个）
将 system prompt、历史消息、用户输入按规则拼接成 LLM 可接收的完整 prompt
依赖：上下文窗口 → 消息数组 （含间接依赖：7 个）
在对话开始时给 LLM 的持久指令，定义角色、行为边界和输出格式
依赖：提示词拼接 （含间接依赖：8 个）
将一个复杂任务拆成多个串行阶段，每阶段的输出作为下一阶段的输入
依赖：系统提示词 → 提示词拼接 （含间接依赖：9 个）
设计、测试和迭代 prompt 的系统方法论，包含角色设定、few-shot、格式化输出等技巧
依赖：系统提示词 → 多阶段提示词 （含间接依赖：10 个）
管理对话历史数组的策略：保留多少轮、何时裁剪、如何保留关键信息不丢失
依赖：消息数组 → Token 限制 （含间接依赖：8 个）
在每次 LLM 调用前动态插入相关信息的模式（如检索结果、用户资料、时间戳）
依赖：历史管理 （含间接依赖：9 个）
通过 AGENTS.md / CLAUDE.md / SKILL.md 等引导文件在启动时注入 Agent 行为规则
依赖：系统提示词 （含间接依赖：9 个）
在 Agent 启动时将预定义的规则文件内容插入 system prompt 的过程
依赖：Agent 规则 （含间接依赖：10 个）
Agent 启动时自动读取的配置文件（如 CLAUDE.md），定义其行为模式和约束
依赖：Agent 规则 （含间接依赖：10 个）
第 4 周8 个核心概念
Agent 记忆分为短期（上下文窗口内）、长期（数据库/向量库）、工作记忆（当前任务状态）
依赖：上下文窗口 （含间接依赖：6 个）
记录每一次 LLM 调用的输入输出、时间戳、token 消耗的结构化日志
依赖：记忆类型 （含间接依赖：7 个）
记录用户行为事件（点击、搜索、浏览）用于后续分析和个性化推荐
依赖：审计日志 （含间接依赖：8 个）
将文本转为向量后存储，支持语义相似度搜索（而非关键词匹配）
依赖：记忆类型 （含间接依赖：7 个）
根据查询的语义含义（而非字面匹配）检索最相关内容，通常基于向量相似度
依赖：向量数据库 （含间接依赖：8 个）
PostgreSQL 的向量扩展，允许在 SQL 中直接进行向量存储和相似度查询
依赖：向量数据库 （含间接依赖：8 个）
用人类可读的文件（如 STATUS.md）记录 Agent 或系统的当前状态
依赖：记忆类型 （含间接依赖：7 个）
持续记录和更新系统各组件的当前运行状态（健康/异常/维护中）
依赖：文件记忆 （含间接依赖：8 个）
第 5 周10 个核心概念
Agent 的核心工作循环：接收输入→LLM 推理→决策行动→获取结果→判断是否完成→循环或结束
依赖：代码阅读方法论 → 控制流 （含间接依赖：4 个）
LLM 不直接执行操作，而是输出「调用工具X(参数Y)」的指令，由宿主程序执行
依赖：Agent 循环 （含间接依赖：5 个）
LLM 的一种特定能力：根据 schema 定义，输出结构化的函数名+参数 JSON
依赖：工具调用 （含间接依赖：6 个）
将一个复杂任务拆成多个串行阶段，每阶段的输出作为下一阶段的输入
依赖：系统提示词 → 提示词拼接 （含间接依赖：9 个）
Reasoning + Acting：LLM 交替进行「思考→行动→观察」直到完成任务
依赖：Agent 循环 → 工具调用 （含间接依赖：6 个）
让 LLM 在给出最终答案前先输出中间推理步骤，显著提升复杂任务的准确率
依赖：多阶段提示词 （含间接依赖：10 个）
LLM 在行动前先生成一个多步计划，然后再逐步执行
依赖：ReAct 模式 → 思维链 （含间接依赖：13 个）
Agent 在多轮交互中形成的一系列决策节点，每个节点影响后续走向
依赖：ReAct 模式 （含间接依赖：7 个）
Agent 在执行后评估自己的输出质量，发现错误时自动修正或重试
依赖：ReAct 模式 → 思维链 （含间接依赖：13 个）
API 调用失败时的指数退避重试策略：等 1s→2s→4s→... 直到成功或达到最大次数
依赖：自我反思 （含间接依赖：14 个）
第 6 周8 个核心概念
在每个 API 请求处理前验证用户身份的中间件模式（JWT 验证 / session 检查）
JSON Web Token：无状态的用户身份凭证，由服务端签发、客户端携带、服务端验证
依赖：认证守卫
约束 LLM 输出的规则系统：包括输入过滤、输出校验、敏感词拦截、格式强制
依赖：函数调用 （含间接依赖：7 个）
限制 LLM 输出必须在预定义范围内（枚举值、正则匹配、类型检查）
依赖：护栏 （含间接依赖：8 个）
检查 LLM 输出的标签/分类是否在预定义的合法值集合中
依赖：输出约束 （含间接依赖：9 个）
为 LLM API 调用设置最大等待时间，超时后中断请求并返回错误
依赖：Agent 循环 （含间接依赖：5 个）
浏览器/Node.js 的 AbortController API，用于取消进行中的 fetch 请求
依赖：超时控制 （含间接依赖：6 个）
限制单位时间内的 API 调用次数，防止超出 LLM provider 的并发限制
依赖：超时控制 （含间接依赖：6 个）
第 7 周10 个核心概念
Agent 的核心工作循环：接收输入→LLM 推理→决策行动→获取结果→判断是否完成→循环或结束
依赖：代码阅读方法论 → 控制流 （含间接依赖：4 个）
LLM 不直接执行操作，而是输出「调用工具X(参数Y)」的指令，由宿主程序执行
依赖：Agent 循环 （含间接依赖：5 个）
在对话开始时给 LLM 的持久指令，定义角色、行为边界和输出格式
依赖：提示词拼接 （含间接依赖：8 个）
多个 Agent（或 Provider）协同工作，各负责不同子任务，通过消息传递协调
依赖：Agent 循环 → ReAct 模式 （含间接依赖：7 个）
根据任务类型或成本/性能需求，将请求路由到不同的 LLM Provider
依赖：多 Agent 协作 （含间接依赖：8 个）
封装不同 LLM Provider 的 API 差异，提供统一调用接口的模式
依赖：Provider 路由 （含间接依赖：9 个）
Server-Sent Events：服务端向客户端单向推送流式数据的 HTTP 协议
依赖：Agent 循环 （含间接依赖：5 个）
LLM 逐 token 返回结果而非一次性返回完整响应，提升用户感知速度
依赖：SSE 协议 （含间接依赖：6 个）
主 Agent 将特定子任务委派给独立的「子 Agent」处理，每个有独立的 prompt 和工具
依赖：多 Agent 协作 （含间接依赖：8 个）
每个子 Agent 有独立的 system prompt 和工具集，互不干扰
依赖：子 Agent → 系统提示词 （含间接依赖：13 个）
第 8 周9 个核心概念
记录每一次 LLM 调用的输入输出、时间戳、token 消耗的结构化日志
依赖：记忆类型 （含间接依赖：7 个）
持续记录和更新系统各组件的当前运行状态（健康/异常/维护中）
依赖：文件记忆 （含间接依赖：8 个）
通过日志、指标和链路追踪了解系统内部运行状态的能力
依赖：审计日志 → 事件日志 （含间接依赖：9 个）
记录每一次操作的时间、执行者、输入输出，形成可回溯的完整操作链
依赖：可观测性 （含间接依赖：10 个）
从用户请求到最终响应的完整调用链路可视化，包含每个环节的耗时和状态
依赖：审计追踪 （含间接依赖：11 个）
在 LLM 输出进入下一步前进行质量检查（置信度、格式、业务规则），不达标则拦截或重试
依赖：思维链 （含间接依赖：11 个）
设定最低置信度分数，低于此值的 LLM 输出将被标记为不确定并触发人工审核或重试
依赖：质量门禁 （含间接依赖：12 个）
中央协调器管理多个子进程/服务的启动、健康检查和故障恢复
依赖：Agent 循环 （含间接依赖：5 个）
定期探测各组件是否正常运行（HTTP /ping、进程存活、端口监听）
依赖：Coordinator 模式 → 状态追踪 （含间接依赖：10 个）
第 9 周5 个核心概念
Agent 的核心工作循环：接收输入→LLM 推理→决策行动→获取结果→判断是否完成→循环或结束
依赖：代码阅读方法论 → 控制流 （含间接依赖：4 个）
用最基础的 fetch() 向 LLM API 发送请求并获取回复，理解原始 HTTP 交互
依赖：Agent 循环 （含间接依赖：5 个）
在 Agent 循环中用 if/else 判断 LLM 是否要求调用工具，是则执行工具否则返回文本
依赖：函数调用 → 工具路由 （含间接依赖：8 个）
Agent 与 LLM 的多轮交互，每轮基于前一轮的结果决定下一步，直到任务完成
依赖：Agent 循环 → ReAct 模式 （含间接依赖：7 个）
判断 Agent 循环何时结束的规则：LLM 返回 finish_reason=stop / 达到最大轮次 / 任务完成标记
依赖：多轮对话 （含间接依赖：8 个）
第 10 周6 个核心概念
Server-Sent Events：服务端向客户端单向推送流式数据的 HTTP 协议
依赖：Agent 循环 （含间接依赖：5 个）
LLM 逐 token 返回结果而非一次性返回完整响应，提升用户感知速度
依赖：SSE 协议 （含间接依赖：6 个）
使用 Prisma ORM 的 findMany/findUnique/create 等方法进行类型安全的数据库操作
不重新写 prompt，而是直接引入和使用已有项目的 prompt 模板
依赖：提示词工程 （含间接依赖：11 个）
用 cron 表达式配置周期性自动执行的任务，让 Agent 在无人干预时自主运行
将 Agent 的流式结果通过 SSE 实时推送到前端页面展示
依赖：流式输出 → SSE 协议 （含间接依赖：7 个）
第 11 周6 个核心概念
Agent 在执行后评估自己的输出质量，发现错误时自动修正或重试
依赖：ReAct 模式 → 思维链 （含间接依赖：13 个）
API 调用失败时的指数退避重试策略：等 1s→2s→4s→... 直到成功或达到最大次数
依赖：自我反思 （含间接依赖：14 个）
在 LLM 输出进入下一步前进行质量检查（置信度、格式、业务规则），不达标则拦截或重试
依赖：思维链 （含间接依赖：11 个）
指数退避 + 随机抖动的重试策略，避免所有重试请求同时发出造成雪崩
依赖：重试退避 （含间接依赖：15 个）
系统性地测试 Agent 在极端输入（空值、超长文本、异常格式）下的行为
依赖：质量门禁 （含间接依赖：12 个）
Agent 在遇到错误时自动检测→重试→降级→恢复的完整闭环
依赖：退避策略 → 质量门禁 → 自我反思 （含间接依赖：17 个）
第 12 周3 个核心概念
系统性地梳理整个 Agent 系统的组件、数据流和设计决策
依赖：Agent 循环 → 提示词工程 → 记忆类型 → ReAct 模式 → 护栏 → 多 Agent 协作 → 可观测性 （含间接依赖：20 个）
端到端理解 Agent 系统：从用户请求到 LLM 调用到工具执行到结果返回的完整路径
依赖：架构回顾 （含间接依赖：21 个）
独立设计一个 Agent 系统的能力：定义目标→选择工具→画架构图→实现
依赖：完整系统视图 （含间接依赖：22 个）
概念补漏助手
遇到不理解的概念？描述你的困惑，AI 给出有洞见的解释。