✅ 模块3：能力验收与进阶路线

各阶段能力验收标准

阶段通过标准自测方式
第一阶段 ✅ 能解释 AI Agent 的核心概念
✅ 独立搭建 Claude Code 开发环境
✅ 成功运行 MiniAgent 并完成5个测试用例
✅ 能为 MiniAgent 添加一个新工具 		运行 check_env.py 所有项通过；MiniAgent 的5个测试用例全部正常
第二阶段 ✅ 理解三层记忆的区别和实现
✅ 能用 ToolRegistry 注册和管理工具
✅ 能让 Agent 自主拆解复杂任务
✅ 能为 Claude 编写高质量 Agent Prompt
✅ 完成 DocOrganizer 综合项目 		MemoryAgent 跨对话记忆保留；ToolAgent 成功调用所有工具；PlanningAgent 完成3步以上任务的端到端执行
第三阶段 ✅ 理解 RAG 架构并实现知识库问答
✅ 能开发多工具协同的办公自动化 Agent
✅ 能实现带状态管理的多轮对话 Agent
✅ 每个项目独立完成需求→架构→开发→测试 		QAAgent 对知识库外的问题回答"不确定"；OfficeAgent 完成表格分析和报告生成；MultiTurnAgent 正确处理至少3种意图转换
第四阶段 ✅ 理解并实践 ReAct/CoT/Self-Refine
✅ 能对接 Chroma 向量数据库
✅ 能实现并行任务执行
✅ 具备 Token 优化和工程化能力
✅ 能将 Agent 部署为 API 服务 		Self-Refine Agent 成功改进输出；Chroma 检索准确率 > 80%；并行执行比串行快 2x+；Token 消耗降低 30%+
第五阶段 ✅ 完成 AetherAgent 综合项目
✅ 掌握完整知识图谱
✅ 通过本阶段自测题目
 AetherAgent 成功运行，整合记忆+工具+规划+反思；能独立排查 Agent 开发中的常见问题

自测题目（50题精选）

基础理论 (10题)

  1. 用自己的话解释 AI Agent 和普通聊天机器人的核心区别。
  2. 画出 AI Agent 的自主闭环流程图，标注每个环节的作用。
  3. Agent 的五大核心组件是什么？每个组件解决什么问题？
  4. 什么是 RAG？它如何解决大模型幻觉问题？
  5. 解释 ReAct 和 CoT 的核心区别，各适合什么场景。
  6. 什么是 Agent 的工具调用？工具调用和普通函数调用有什么本质不同？
  7. 多 Agent 协作有哪几种通信模式？各举一个适用场景。
  8. 解释 Self-Refine 的工作流程，为什么它比单次生成更好？
  9. Token 是什么？为什么需要关注 Token 消耗？
  10. Agent 的记忆系统为什么需要分层？每层各解决什么问题？

编码实战 (25题)

  1. 编写一个 Python 类，实现 Agent 的短期记忆功能（支持添加、获取、清空、超限淘汰）。
  2. 用装饰器实现一个工具注册中心，支持工具注册、描述生成、按名调用。
  3. 编写一个函数，将长文本智能分块（按句子边界，带重叠）。
  4. 实现余弦相似度计算函数，用于向量检索。
  5. 为 Agent 添加一个新工具：输入 URL，返回网页标题。
  6. 修改 MiniAgent，支持一次调用多个工具（工具链）。
  7. 实现一个 "信息收集器"：Agent 追问用户直到收集到足够信息。
  8. 编写 Token 消耗监控装饰器，记录每次 API 调用的 Token 数。
  9. 实现 ResponseCache：相同问题5分钟内返回缓存。
  10. 用 Flask 将 Agent 包装为 REST API。
  11. 为 Agent 添加 "自我反思" 功能：输出后自动检查质量。
  12. 实现并行任务执行器，支持最多4个并发任务。
  13. 编写意图识别函数，能区分 new_task / provide_info / confirm / cancel。
  14. 实现对话状态机，管理 IDLE → COLLECTING → PLANNING → EXECUTING → COMPLETED 流转。
  15. 为 Agent 添加 Chroma 向量存储，替换简易 JSON 长期记忆。
  16. 编写日志系统，支持 DEBUG/INFO/ERROR 分级和文件持久化。
  17. 实现 "任务依赖图"：步骤C依赖步骤A和B都完成才能开始。
  18. 为 Agent 添加 "知识边界声明" 功能。
  19. 编写 Dockerfile 将 Agent 容器化。
  20. 实现 Agent 的 "健康检查" API 端点。
  21. 优化 Agent 的 System Prompt，使其输出更稳定（减少格式错误）。
  22. 编写测试用例：验证工具注册、调用、错误恢复的完整流程。
  23. 实现 "长对话压缩"：超过10轮后自动压缩前5轮为摘要。
  24. 为 Agent 添加 "用户偏好自动学习" 功能。
  25. 整合记忆+工具+规划+反思，实现一个迷你版的 AetherAgent。

架构设计 (15题)

  1. 设计一个 "代码审查 Agent" 的完整架构图，标注各组件和数据流。
  2. 对比分析：为什么生产环境用 Chroma 而不是 NumPy 手写向量存储？
  3. 设计一个支持 "插件热加载" 的工具系统架构。
  4. 如何防止 Agent 进入死循环（不断调用工具→失败→重试→失败...）？
  5. 设计多 Agent 协作完成 "市场调研报告" 的方案：需要哪些 Agent？如何分工？如何通信？
  6. Agent 输出的 "一致性" 如何保证？设计至少3种方案。
  7. 设计 Agent 的 "安全沙箱" 方案：如何防止恶意 Prompt 注入？
  8. 如何实现 Agent 的 A/B 测试框架？
  9. 设计 Agent 的 "降级策略"：当某个组件失效时如何优雅降级？
  10. 如何评估一个 Agent 的 "自主程度"？设计度量指标体系。
  11. 设计 "Agent 即服务 (AaaS)" 的多租户架构。
  12. Agent 的记忆系统如何平衡 "记住太多" 和 "记住太少"？
  13. 设计 Agent 的 "知识更新" 机制：如何让 Agent 学到新知识并更新已有知识？
  14. 如何为 Agent 添加 "可解释性"：让用户理解 Agent 为什么做出某个决策？
  15. 从零设计一个你理想中的 AI Agent 开发框架，写出核心接口定义。

进阶学习路线

完成本教程后，你的进阶路径： ┌────────────────────────────────────────────┐ │ 当前: AI Agent 全栈开发者 (本教程完成) │ └──────────────────┬─────────────────────────┘ │ ┌───────────────┼───────────────┐ ▼ ▼ ▼ 深入方向1 深入方向2 深入方向3 ───────── ───────── ───────── 多Agent系统 Agent安全 企业级部署 - LangGraph - Prompt注入 - Kubernetes - CrewAI - 权限控制 - 监控告警 - AutoGen - 数据隐私 - CI/CD │ ┌───────────────┼───────────────┐ ▼ ▼ ▼ 进阶主题: 多模态Agent | Agent微调 | Agent评估体系 社区: Anthropic Cookbook | LangChain | HuggingFace

Claude Code 开发避坑清单

#坑避坑方案
1API 密钥泄露到 GitHub始终用 .env + .gitignore；提交前 git diff 检查
2System Prompt 太长导致上下文不够控制在 2000 字以内；把工具描述精简
3JSON 解析失败不做容错始终 try/except + 降级处理 + 重试
4无限循环调用工具设置 max_iterations；检测重复调用模式
5忘记关闭虚拟环境导致全局污染养成习惯：新终端先 source venv/bin/activate
6在生产代码中使用 eval()用 ast.literal_eval 或自定义安全解析器
7多线程下共享 Anthropic client 出问题每个线程创建独立的 client 实例
8Chroma 数据目录被误删设置固定的 persist_dir，加入备份策略
9忽略了 API 的 rate limit实现指数退避重试；监控 429 错误频率
10测试用例只测正常路径始终测试：空输入、超长输入、特殊字符、网络断开
🎉 恭喜完成全部教程！

你已经从零基础成长为能独立开发工业级 AI Agent 的开发者。掌握了从核心概念到工程实践、从简单脚本到五层架构、从单工具到多Agent协作的完整技能树。

记住：最好的学习方式是动手做。选一个你真正想解决的问题，用本教程学到的知识，开发一个属于你自己的 AI Agent。遇到问题时，回到对应的章节查漏补缺。

AI Agent 的世界刚刚开始，你的旅程也刚刚开始。🚀

← 返回教程首页