9.0 学习检查表：AI Agent 与智能体系统

这页当成可打印检查表使用。需要完整讲解时，回到 第 9 章入口页。

两小时快速通读

时间	做什么	能说出这句话就停
20 分钟	看入口页的执行闭环	“Agent 是 goal-state-tool-observation 循环。”
25 分钟	运行 追踪 脚本	“我能回放每个动作和观察。”
25 分钟	浏览 9.1 和 9.2	“我能区分 Agent、工作流、RAG、ReAct、Plan-and-Execute。”
25 分钟	浏览 9.3 工具安全	“工具 结构约束 和权限比花哨 Prompt 更重要。”
25 分钟	阅读边界选择图	“我知道什么时候不该用 Agent。”

必须留下的证据

证据	最小版本
tools_schema.md	1～2 个工具，写清名称、用途、参数、返回值、错误和风险等级
agent_traces.jsonl	至少三次运行，记录 goal、步骤、action、input、observation、result
safety_boundary.md	最大步数、工具白名单、被拦截动作、人工确认规则
failure_cases.md	至少三个失败：选错工具、参数错误、循环、权限拦截、不支持的回答
eval_tasks.csv	3～5 个固定任务，包含期望结果和成功标准
README.md	运行命令、追踪 示例、安全样例、评估结果、限制

质量闸门

闸门	通过条件
工具 结构约束	每个工具都有用途、参数、返回值、错误和风险等级。
轨迹回放（追踪回放）	评审者可以回放每次工具调用为什么发生。
安全边界	白名单外或高风险动作会被拦截，或转入人工确认。
停止控制	最大步数和停止条件能防止循环与成本失控。

预期结果：你的第 9 章项目文件夹里有工具 schema、可回放 trace、安全边界、固定评测任务、失败笔记，以及说明为什么在闭环可靠前保持单 Agent 的 README。

离章问题

• 你能说明 Agent 和普通 LLM 应用的区别吗？
• 你能展示一条 追踪，并解释每次工具调用为什么发生吗？
• 你能拦截高风险或不在白名单里的工具吗？
• 你能定义停止条件和最大步数吗？
• 你能解释为什么多 Agent 应该在单 Agent 可靠之后再做吗？

检查思路与讲解

1. Agent 会维持 goal-plan-tool-observation 的闭环，所以系统不只是生成一句回答，而是能执行、观察结果并决定下一步。
2. 有用的 trace 应该包含 goal、plan step、tool call、input、observation，以及为什么下一步会由这个 observation 触发。
3. 可以通过 tool allowlist、schema 检查、risk label、最大步数和必要时的人类审批，来拦截高风险或不在白名单里的工具。
4. 好的停止条件包括成功、没有进展、达到最大步数，或者风险升级。
5. 先把单 Agent 做稳定，是因为多 Agent 更难追踪、更难调试，也更难安全控制。

如果答案都是可以，就继续下一方向：部署、多模态 Agent，或课程最终项目。

留下的证据

学完这一页，至少保留这张证据卡：

单代理 trace

一个完整的目标-计划-行动-观察循环

工具契约

schema、权限、错误行为和观察

记忆笔记

写入、检索、遗忘或更新了什么

评估备注

成功分数、安全检查和失败原因

项目说明

运行命令、trace、限制，以及下一步动作