Agentpath
L0 · agent 是什么、Pi 长什么样

起点与底座

agent 这个词被用得太散了。这一阶段先划清它和聊天机器人、和固定工作流的界线，把 Pi 装上手动一遍，再补齐 token、上下文窗口、tool calling 这三样绕不过去的底子。

4 节课 · 约 2 小时已完成 0/4
  1. 1

    agent 到底是什么：一个 while 循环

    原理25 分钟

    去掉包装，agent 就是「让模型自己决定下一步调什么工具，直到它说完事了」。这个定义决定了后面所有设计取舍。

    • 用一句话说清 agent、chatbot、workflow 三者的界线，并判断手头需求属于哪一类
    • 指出 agent 的自主性来自哪里，以及代价是什么（不可预测、成本、越权）
    • 识别「其实不需要 agent」的场景，避免拿循环去做 if-else 的活
  2. 2

    把 Pi 装上：四种运行形态各跑一遍

    动手35 分钟

    Pi 有交互式 TUI、print/JSON、RPC、SDK 四种形态。四个都跑过一遍，你才知道自己以后要用哪个口子。

    • 装好 Pi 并配好至少一个模型提供方（API key 或 OAuth）
    • 分别用交互模式、`pi -p`、`--mode json`、RPC 跑通同一个任务
    • 说出四种形态各自适合什么集成场景
  3. 3

    一次模型调用里发生了什么：token、采样、成本

    原理30 分钟

    不懂 token 就调不好 agent —— 上下文爆掉、账单失控、复读机般的输出，根子都在这一节。

    • 算出一次请求的输入/输出 token 与费用，并解释缓存命中怎么改变这个数
    • 解释 temperature、top-p、stop 对 agent 稳定性的影响
    • 说清上下文窗口是硬约束，以及超限时的三种处理方式
  4. 4

    tool calling 协议：模型怎么「动手」

    原理30 分钟

    工具调用不是魔法，是一段结构化的 JSON 往返。看懂这段往返，你就能自己造工具，也能读懂 agent 卡在哪。

    • 手写一个工具的 JSON Schema，并说明每个字段会怎样影响模型的调用准确率
    • 画出 tool_use → 执行 → tool_result 的完整往返，包括并行调用与失败回传
    • 解释为什么工具的错误信息要写给模型看，而不只是打日志