程序员转 AI Agent：30 天学习路线图

如果你已经会写代码，想系统进入 AI Agent 方向，最稳的方式不是先追框架，而是先把 Agent 的核心闭环跑通：目标 -> 规划 -> 工具调用 -> 观察结果 -> 继续决策。这篇路线图适合程序员，用 30 天把概念、实践、工程化一次串起来。

第 1 周：补齐基础概念

先不用追求深度，重点是把常见术语和工作方式弄清楚：

• LLM 的输入输出、上下文窗口、函数调用
• Prompt 设计的基本原则
• JSON、HTTP API、异步、日志、重试
• Embedding、向量检索、RAG

这一周的目标不是“学完”，而是能读懂一个 Agent demo 在做什么。

第 2 周：手写最小 Agent

不要上来就用复杂框架，先自己写一个最小闭环：

1. 接收用户目标
2. 决定是否调用工具
3. 读取工具结果
4. 继续推理或结束

建议实现的工具：

• 搜索网页
• 读取本地文件
• 运行简单脚本

这一阶段重点关注：

• 工具定义是否清晰
• 错误如何返回
• 超时如何处理
• Agent 何时停止

第 3 周：加入 RAG 和记忆

Agent 真正有用，通常离不开知识检索和状态保存。

推荐补这几块：

• 文档切分与召回
• 向量数据库或本地索引
• 短期记忆与长期记忆
• 检索结果如何喂回模型

这时可以做一个小项目：知识库问答 Agent。它先查资料，再回答，而不是直接凭空生成。

第 4 周：工作流、多 Agent 与生产化

很多人一开始就想上多 Agent，其实更应该先分清：

• 工作流：步骤固定，适合 pipeline
• Agent：步骤不固定，需要动态决策
• 多 Agent：任务拆分后协作，适合复杂任务

建议理解这三种常见角色：

• Planner：拆任务
• Executor：执行工具
• Reviewer：检查结果

同时开始补工程能力：

• 日志与可观测性
• 成本控制
• 权限与沙箱
• 失败回放与评估

推荐项目顺序

如果你想用项目带动学习，可以按这个顺序做：

• 项目 1：网页信息搜集 Agent
• 项目 2：代码库问答 Agent
• 项目 3：能改文件、跑测试的开发助手
• 项目 4：Planner + Executor + Reviewer 多 Agent 原型

学习建议

几个很重要的原则：

• 先理解 Agent 的闭环，再学框架
• 先做单体 Agent，再做多 Agent
• 先保证可控，再追求智能
• 先看失败案例，再看 demo

如果你是程序员转型，真正的优势不是“会调模型”，而是你能把 Agent 当成一个系统来做：工具、状态、错误处理、权限、评估，这些才是落地的关键。

结语

AI Agent 不是单纯的 prompt 技巧，而是把模型、工具和业务流程组合成一个可靠系统的能力。只要按“基础 -> 最小 Agent -> RAG -> 多 Agent -> 生产化”这条线推进，30 天足够建立起清晰的入门框架。

如果你愿意，下一步可以直接做一个最小可用项目：一个能搜索、总结、写文件的 Agent，这是最适合程序员入门的练手方向。