9.10.1 项目路线图：构建可追踪 Agent

Agent 项目作品集应该展示可追踪执行闭环，而不是只展示一个最终模型回答。

先看项目闭环

闭环是：目标、计划、工具调用、观察、状态更新、失败处理、停止决策、最终输出、评估。

跑一个 Agent 证据检查

在称为作品集项目之前先跑这个检查。

project = {
    "goal_defined": True,
    "trace_saved": True,
    "tool_logs": True,
    "failure_case": True,
    "eval_tasks": 10,
}

ready = (
    project["goal_defined"]
    and project["trace_saved"]
    and project["tool_logs"]
    and project["failure_case"]
    and project["eval_tasks"] >= 5
)

print("portfolio_ready:", ready)
print("evidence:", "goal, trace, tools, failure, eval")

预期输出：

portfolio_ready: True
evidence: goal, trace, tools, failure, eval

如果这里输出 False，先补证据，再增加更多 Agent 角色。

按这个顺序学

步骤	项目	真正训练的能力
1	研究助手	检索、引用、总结、可信输出
2	数据分析 Agent	Python 工具调用、表格分析、图表、解释
3	多 Agent 开发团队	角色分工、交接、评审闭环、合并负责人
4	实操工作坊	最小可追踪单 Agent 基线

扩展项目前，先运行 9.10.5 实操：构建可追踪单 Agent 助手。

项目交付物标准

交付物	最低要求	更强的作品集版本
README	目标、运行命令、依赖、示例	增加架构、取舍、成本、安全和复盘
架构	模型、工具、记忆、状态、评估、安全	增加部署边界和人工交接
工具清单	可调用工具、输入/输出 结构约束、失败情况	增加权限规则和沙箱说明
执行 追踪	计划、行动、观察、重规划、停止	增加可重放 JSONL 日志
失败案例	至少 1 个真实失败	增加 3 个案例，包含原因、修复、回归检查
评估集	固定任务和通过/失败规则	增加基线、指标和对比实验
部署说明	如何本地运行	增加 API 入口、环境变量、监控和回滚

留下的证据

学完这一页，至少保留这张证据卡：

项目目标

智能体应完成什么，以及必须不做什么

基线

在加入高级功能前的单智能体循环

追踪包

目标、计划、tool 调用、观察、记忆、评估

失败日志

一次失败或不安全的运行及其根因

交付物

README、运行命令、trace 截图/日志、下一步

通过标准

如果另一个开发者能重放你的 Agent 运行，检查每次工具调用和观察，理解它为什么停止，并看到至少一个失败分析，就通过了本章。

基础版可以是单 Agent 项目。只有当 trace 和评估闭环稳定后，再加入记忆、MCP、多 Agent 协作或部署。

检查思路与讲解

1. 合格答案要描述 agent 循环：目标、计划、工具调用、观察结果、记忆或状态更新，以及停止条件。
2. 证据应包含另一个开发者可以检查的 trace，而不只是最终回答。
3. 自检时要能说出一个安全或可靠性控制，例如工具 schema、权限边界、重试、评估用例或人工复核点。