源码地址
📦 教学仓库：https://github.com/TheSyart/claude-agent-examples ⚔️ 实战项目：https://github.com/TheSyart/emperor-agent
视频简介
本系列旨在从零开始手把手实现一个专属 Agent，帮助观众理解 Agent 核心原理而非仅停留在理论层面。
什么是Agent
AI的局限性
当前AI（如DeepSeek、OpenAI等）虽具强大对话能力，但本质上是“坐在轮椅上的大脑”——只能接收文字输入并输出文字，无法执行命令、读写文件、操作代码。（注：文中将DeepSeek归类为2025年产物略显牵强，其于2025年1月发布，影响力主要在推理能力而非“浪潮”本身；OpenAI的“全民养虾”梗应指Operator或Agent功能，而非小龙虾，但可能是口误）
Agent的定义
Agent是能主动思考并行动的AI，其核心构成包括：
- 大语言模型：提供智能推理能力
- 规划能力：任务拆解与策略制定
- 记忆：上下文理解与知识积累
- 工具使用：连接外部世界（搜索、执行代码、调用API等）
- 感知：理解多模态信息（文字、图像、语音、环境反馈）
Agent的四要素
1. 规划（Planning）
Agent的核心决策能力。面对复杂问题时能自动拆解任务、制定执行策略，并具备反思修正能力——某步骤失败时可调整计划重新执行。
示例：要求Agent编写网站，它会自动拆分为数据库设计、前端开发、后端开发三个子任务。
2. 记忆（Memory）
使Agent具备连续性和上下文理解能力：
- 短时记忆：保存在当前上下文中
- 长时记忆：通过向量数据库存储为结构化知识
关键特性：Agent随使用时长累积知识，具备“越用越聪明”的进化能力。
3. 工具（Tools）
LLM本身只是“大脑”，通过工具连接外部世界实现从“说”到“做”的跨越：
- 网络搜索
- 代码执行
- 文件读写
- API调用
- 数据库操作
4. 感知（Perception）
Agent获取信息的入口，支持多模态理解：
- 文字理解
- 图像识别
- 语音处理
- 环境与用户反馈感知
Agent的工作循环
思考 → 选择工具 → 执行 → 观察结果 → 思考 → 选择工具 → ...
不断迭代上述循环，直至任务成功完成。
Agent的能力边界
擅长领域
- 代码编写与Bug修复
- 网页搜索与浏览
- 数据库操作
- API调用
- Git自动化
局限场景
当任务无法完成时，需反思以下问题：
- 需求表述：是否清晰描述了需求？
- 场景处理：是否将复杂场景转化为Agent可理解的形式？
- 工具边界：任务是否超出工具能力范围？
- 判断保留：某些判断是否需要人工介入？
核心原则：明确需求 + 提供正确工具 = 事半功倍
案例分析
案例一：OpenCloud（龙虾）
GitHub四大榜登顶项目。本质是典型Agent——长期保存对话、拆解复杂任务、调用工具执行，其他功能皆为锦上添花。
案例二：Claude Code
工程化Agent的典范，编程能力领先。定位为通用Agent，不仅适用于程序员，各行业均可使用。
工具配置建议
- 数量适中：基础工具足够即可，过多工具会导致上下文过长、Agent执行受限
- 适度放手：Agent的大脑比99%的人更聪明，过度干涉会限制其能力
- 让其自主：给足基础工具，让Agent自行判断和选择所需工具
系列预告
核心代码不超过100行，系列将从零实现专属Agent，涵盖所有AI相关核心概念，帮助观众真正理解并用好Agent。
面试题
Q1：什么是Agent？它与普通LLM的本质区别是什么？
答案：Agent是能主动思考并行动的AI系统。与普通LLM的核心区别在于——LLM只是“坐着轮椅的大脑”，只能接收输入并输出文字；而Agent具备规划、记忆、工具使用、感知四大能力，能将思考转化为实际行动，弥补了LLM“能说不能做”的局限性。
Q2：Agent的核心四要素是什么？各自的作用？
答案：
- 规划：核心决策能力，负责任务拆解与策略制定，支持反思修正
- 记忆：提供连续性与上下文理解，短时记忆保存在的上下文，长时记忆存入向量数据库
- 工具：连接外部世界的桥梁，使Agent从“能说”进化到“能做”，支持搜索、执行、API调用等
- 感知：信息获取入口，支持多模态理解（文字、图像、语音）及环境反馈
Q3：Agent的工作循环是怎样的？
答案：Agent在“思考→选择工具→执行→观察结果”的循环中不断迭代，直到任务成功完成。核心是Agent能根据执行结果动态调整下一步行动，具备自我反思和修正能力。
Q4：使用Agent时需要注意哪些能力边界？
答案：Agent擅长代码编写、搜索浏览、自动化操作等任务，但能力受限于用户需求表述质量、场景复杂度、工具能力边界等因素。使用好Agent需要：①清晰描述需求；②将复杂场景转化为Agent可理解的形式；③提供正确的工具；④保留需要人工判断的任务。
Q5：为什么说工具不是越多越好？
答案：过多工具会导致Agent上下文过长，执行时反而受限。正确的做法是提供基础工具，让Agent自行判断选择所需工具。因为Agent的推理能力比大多数人更强，过度干涉反而会限制其能力发挥。