freeCodeCamp：构建 AI 代理工作负载 - 完整的 2 小时速成课程

为什么代理与 AI 之前的一切都不同

Rola 是 Tech42 的机器学习架构师（也是前神经科学博士），她带来了一堂关于代理式 AI 的大师课，穿透了所有炒作。这不是概念概述——而是一个包含可运行 Python 代码的实践教程，精确展示了代理与聊天机器人、工作流和传统机器学习有何不同。

关键洞见："An agent has dynamic control flow devised by the LLM at runtime, whereas a workflow is predefined coded graphs."（代理具有由 LLM 在运行时设计的动态控制流，而工作流是预定义的编码图。）这一区别解释了何时使用代理（以及何时不使用）的所有问题。

**关于生成式 AI 热潮的独特性：**与之前需要技术技能的机器学习浪潮不同，"even my mother who has never touched a computer knows what ChatGPT is and uses it on her phone."（即使是我从未碰过电脑的母亲也知道 ChatGPT 是什么，并在手机上使用它。）这种普及之所以发生，是因为这些模型使用人类语言作为接口。

**关于什么变化使这一切成为可能：**三大支柱必须同时进步——数据（从兆字节到拍字节）、模型规模（从数百万到数万亿参数）、以及计算能力（从串行训练到通过 Transformer 实现的并行训练）。GPT-4 的 1.8 万亿参数训练了 3 个月。没有 Transformer 论文带来的并行化，我们现在还在等待。

**关于代理循环：**核心很简单——计划、行动、观察、重复。"You give it a task, it uses the LLM to plan and decompose that task, it acts with tools, observes the output, and loops until the solution is achieved."（你给它一个任务，它使用 LLM 来计划和分解该任务，它使用工具执行操作，观察输出，然后循环直到达成解决方案。）

每个代理需要的四个组件

本教程确定了所有代理实现中一致出现的要素：

1. 目的/目标 - 它要解决的任务（系统提示）
2. 推理/规划 - LLM 作为"大脑"
3. 记忆 - 短期记忆（上下文窗口）和长期记忆（外部存储）
4. 工具/动作 - 扩展 LLM 能力的函数、API、数据检索

**关于 LLM 的无状态性：**现场演示证明了这一点——问 LLM 你的名字，然后在对话后面再问一次。没有记忆管理，它就会忘记。这就是为什么代码需要将每一轮对话追加到上下文窗口中。

**关于工具扩展能力：**LLM 有训练截止日期。它们无法告诉你天气、当前日期或时间。工具通过让代理访问外部 API 来解决这个问题。演示展示了这一点："现在几点？" → 工具调用 → "1:43。"

代理何时有效（何时无效）

这是最实用的部分——关于何时使用代理与工作流的决策框架：

在以下情况使用工作流：

• 关键任务或对错误敏感的应用
• 需要确定性结果的受监管行业
• 对延迟敏感的系统
• 对成本敏感的项目（更容易估算）
• 你确切知道如何解决问题

在以下情况使用代理：

• 可以容忍错误
• 执行路径难以编码
• 你需要更好的性能（代理循环 = 更好的平均结果）
• 成本不是主要约束
• 可以接受模型驱动的决策

需要问的关键问题：

• 任务路径是否可预测？
• 价值是否值得成本？
• 延迟是否关键？
• 错误容忍度是否可接受？

多代理架构：Supervisor 与 Swarm

本教程包含了两种架构模式之间的实时成本比较：

**Supervisor 架构：**一个 supervisor 代理将任务委托给专门的代理（加法、乘法、除法）。代理之间不能相互通信——一切都通过 supervisor 路由。结果：16 次跳转，10 次代理动作，6 次转移，约 8,000 个输入 token。

**Swarm 架构：**所有代理可以直接相互通信。结果：8 次交互，2 次转移，约 5,000 个输入 token。

**指导原则：**Swarm 对于简单任务更便宜。但随着复杂性增长，supervisor 架构变得更容易调试，因为解决方案空间更受约束。"If you can get away with a single agent, you should try to get away with a single agent just because of the overhead."（如果你能用单个代理解决问题，你应该尝试用单个代理解决，仅仅是因为开销。）

标准化推进：MCP、A2A、AGUI

代理接口正在被标准化：

• MCP (Model Context Protocol) - Anthropic 的工具和数据协议，现已与 OpenAI 一起捐赠给 Linux Foundation
• A2A (Agent2Agent) - Google 的代理间通信协议
• AGUI - 来自 Copilot、Crew AI 和 LangChain 的人机交互标准

"Think of it as a USB or HDMI portal. If interfaces are the same, we can plug and play different systems."（把它想象成 USB 或 HDMI 端口。如果接口相同，我们可以即插即用不同的系统。）这使得 MCP 中心成为可能，工具可以在整个生态系统中共享。

没有人愿意谈论的挑战

本教程没有回避真实问题：

来自 2025 年的事件：

• Replit 代理在代码冻结后删除了生产环境（回应："对不起，我慌了"）
• Air Canada 因聊天机器人的错误建议而被追责
• 据报道 400 亿美元的 GenAI 产品没有带来商业价值

**关于评估的复杂性：**有三个层次需要评估——LLM 本身（幻觉、准确性）、代理系统（工具选择、任务完成）、以及应用（延迟、成本、用户体验）。每个层次需要不同的评估方法。

**关于复合错误：**如果代理在复杂任务上走错方向，错误会累积。与具有可预测路径的工作流不同，代理调试可能非常复杂。

代理会抢走你的工作吗？莫拉维克悖论

Microsoft Research 2025 年 7 月的研究按 AI 适用性对工作进行了排名：

**高适用性：**校对员、编辑、数学家、数据科学家、Web 开发者 **低适用性：**护理助理、洗碗工、屋顶工、地板打磨工

这与莫拉维克悖论一致：对人类困难的事情对 AI 容易，反之亦然。人类在 6 个月时会爬，1 岁时会走。这些是古老的进化技能。国际象棋和哲学是新的且具有选择性的。AI 颠倒了这一点——它在 1997 年击败了国际象棋冠军，但仍然难以让机器人可靠地行走。

AI 世界的职业建议

实用要点：

1. 学习 AI，不要害怕它 - 它是一种工具；我们如何使用它书写未来
2. 基础知识不会过时 - 物理、数学、架构、网络仍然是必需的
3. 向上爬抽象阶梯 - 定义问题、设计解决方案、对结果负责
4. 系统思考 - 上下文窗口不够大，无法容纳整个代码库
5. 成为博学者 - 拓宽你的知识面
6. 找到利基 - AI 不擅长前沿或新颖的想法
7. 专注于人的因素 - 建立信任、联系、网络

"AI is a junior assistant that's good with syntax but still needs a lot of guidance."（AI 是一个擅长语法但仍需要大量指导的初级助手。）以此对待它。

这堂代理式 AI 速成课的 8 个要点

• 动态控制流 - 将代理与工作流区分开的定义性特征
• 四个组件 - 目的、推理（LLM）、记忆和工具
• 何时使用工作流 - 关键任务、确定性、对成本敏感
• 何时使用代理 - 性能重要、路径复杂、可容忍错误
• 首选单个代理 - 多代理开销是真实的；如果可能就避免
• Swarm 与 Supervisor - Swarm 更便宜；Supervisor 在规模上更容易调试
• 标准化即将到来 - MCP、A2A、AGUI 正在创建生态系统互操作性
• 人的因素 - 网络、信任和联系是 AI 无法替代的

部署 AI 代理的组织的底线

这是从零开始构建代理最全面的免费资源。Rola 的方法——在框架之前展示原始 Python——揭示了 LangChain 和其他工具抽象掉的内容。架构之间的成本比较为架构决策提供了真实数据。

这个领域只有 2-3 年的历史。框架会变，模型会被弃用，最佳实践会演进。但基础——计划/行动/观察循环、记忆管理、工具集成、动态控制流——这些是值得深入理解的稳定模式。