# 「开启」古法编程,学习 AI Agent 开发!全程视频,手把手带着你操作 🚀
作者:小傅哥
博客:https://bugstack.cn (opens new window)
沉淀、分享、成长,让自己和他人都能有所知有所获!😄
大家好,我是技术UP主小傅哥。
号外,号外。📢 小傅哥要带着你来一次古法编程之旅,开局一把 IntelliJ IDEA。从零开始,从 LLM API 对接开始,一直到 ReAct、Tool、RAG、LLM-Wiki、MCP、多智能体协作、子代理、A2A、人机协同审批、沙箱等26个场景,全程视频手把手教你学会智能体开发。

又粗又细,有紧有收
干了半年多的 WaLiCode 开发,有小3万的用户安装使用。也发布了 WaLiAPI 提供 LLM 网关能力(+免费模型),还搞了 DSH Java 通过 Java + DDD 架构,1:1 复刻 DeepSeek Harness 工程。可以说在 AI 学习的这条路上,小傅哥为你提供了非常丰富的学习教程。
现在丰富度是有了,但对不少没怎么接触 AI 开发的伙伴来说,甚至连 LLM 大模型的 API 都没对接过的,还是有点难度的。所以,小傅哥先是提供了 AI Agent Guide 通识教程,把概念先给大家捋清。之后又提供了 26个 在线案例的 ToyAgent 🎮 项目。那么接下来,我将手把手的把这套 ToyAgent 26个案例,全程视频的手把手带着你操作。
接下来,小傅哥介绍下这套视频教程都有什么,跟着做下来能学到什么。以及整套内容学习后,怎么进阶到大型项目里学习。
# 一、课程展示 📺
整套课程视频,10.26日开始,我会免费的发到 B站「小傅哥の码场 (opens new window)」,地址:https://space.bilibili.com/15637440 (opens new window) - 感谢关注小傅哥B站,实时收到最新视频推送

- 首先,我把它叫做 ToyAgent 是因为我把一整套核心 AI Agent 智能体的开发经验,拆分成了 26个实战案例,就像乐高积木一样。现在再带着你把乐高积木一块块搭回去。
- 之后,整个课程全程视频手把手的,带着你来分析需求,编写代码,测试验证。以及横行对比
java、go、python、typescript、js几种语言。基本可以让你达到,一套东西学下来,后面各个语言的智能体开发也都能看懂和使用。对于 AI Agent 大项目的学习也都可以上手。
AI 时代,还有古法架构师,带着你一行行的写代码学习。这免费课程,绝对不烧心!
# 二、能学到啥 🤔
该项目是 AI Agent 场景的核心技术体系,以真实可运行为目标,通过 26 个渐进式案例,进行系统的需求分析、架构设计、功能实现,过程涵盖设计模式的运用,解决复杂场景问题。整套东西学习下来,你会感受到 AI Agent 不难,虽然知识点不少,但还挺好上手。
- 【基础】理解「智能体 = 模型 + 策略」:从一个 chat 方法起步,把用户的话交给模型、把模型的话还给用户,破除智能体的神秘感。
- 【基础】掌握系统提示词的三层结构:角色、背景、任务与约束,同一个模型换一份提示词就换一种人格,提示词是杠杆。
- 【核心】掌握 ReAct 循环:让模型学会边想边做,按思考 → 行动 → 观察结果 → 再思考迭代推进,直到给出最终答案,这是所有智能体框架的内核。
- 【核心】掌握工具调用(Function Calling):声明工具清单、模型返回结构化调用请求、执行工具并回填结果,生产中 tools/tool_calls 与 MCP 协议本质都是这三步。
- 【核心】掌握上下文工程:用滑动窗口与摘要压缩管理短期记忆,控制上下文预算,让对话有来有回。
- 【架构】掌握意图路由:先让模型识别意图输出分类,再由决策中枢把请求路由到不同处理器,是多智能体编排的前置能力。
- 【架构】掌握 RAG 检索增强生成:切分 → 向量化 → 相似检索 → 增强生成,接入私有知识,回答有出处、知识可热更。
- 【架构】掌握知识编译与沉淀:把项目知识编译成结构化 Wiki 条目持久保存、增量维护,编译一次、持续复用。
- 【架构】掌握 MCP 工具标准化协议:工具侧拆成独立服务,通过标准的发现与调用方法实现工具与智能体彻底解耦。
- 【架构】掌握技能分层设计:从纯提示词模板到工具组合再到完整子流程,形成可沉淀、可复用的能力包。
- 【架构】掌握工具注册表模式:工具抽象成统一协议,注册即生效、注销即消失,执行器不认识任何具体工具。
- 【编排】掌握多智能体协作:规划者拆解任务、专家各司其职、审查员质量把关、主持者汇总交付,协作的本质是结构化消息在角色间流动。
- 【编排】掌握子代理派遣:主代理动态委托带独立上下文的分身执行子任务,可无状态新建、也可继承父会话继续话题。
- 【编排】掌握 A2A 跨进程协作协议:靠代理名片发现、标准化请求信封与异步回执对接外部代理。
- 【编排】掌握生产级运行时外壳:输入守卫防提示注入、最大步数保险丝防死循环、输出守卫做合规过滤、异常兜底,模型负责聪明、运行时负责可靠。
- 【编排】掌握工作流状态机编排:用节点、条件边与状态传递实现确定性流程,平衡可控性与灵活性。
- 【工程】掌握人机协同:关键信息缺失时会话挂起等待人工答复,用户下一条消息作为答复回填后继续执行。
- 【工程】掌握审批门禁:工具按风险分级,高危操作必须过人工审批,支持免审记忆,超时默认拒绝——宁可不执行,不可乱执行。
- 【工程】掌握沙箱纵深防御:策略层、内容黑名单、空间边界、路径规范化四层管线,任何一层拦截即生效。
- 【可靠】掌握事件溯源:会话即日志、日志即状态,服务重启后从日志完整重建上下文,天然获得审计与回放能力。
- 【可靠】掌握插件机制:把一批工具打包成可安装可卸载的插件,契约 SPI、隔离加载、生命周期完整。
- 【可靠】掌握 Hooks 钩子体系:把审计、脱敏、风控等横切逻辑挂在工具执行前后,挂钩即生效、摘钩即消失,工具作者无感知。
- 【终端】掌握 CLI 智能体:把智能体装进终端 REPL,工作目录即上下文,支持交互式与非交互两种模式。
- 【终端】掌握定时任务能力:把「什么时候做」也变成模型的决策对象,一次性调度、循环调度与任务管理,是提醒、巡检类智能体的雏形。
- 【设计】贯穿全程的通用思想:协议优先先用接口定契约、注册表统一管理注册与回收、策略层与骨架分离、append-only 事件流让状态可回放、纵深防御让安全成为多层管线。
此外,小傅哥已对全过程都做了需求的分析、功能的设计、编码的精细化处理,让你吃上细糠!也通过这种方式,真正的把你的技术储备整起来,以后进入到公司都是嘎嘎强的选手!
# 三、举个例子 🌰
26 个案例是一个渐进式的过程,小傅哥这里选 5 个有代表性的场景给大家看看效果。每个场景在 ToyAgent 里就是一个接口类,打开测试页面发一句话,左侧是场景导航,中间是对话测试区(附执行轨迹和 mermaid 流程图),右侧是原理文章和五语言源码。
**你看到的所有内容,小傅哥的视频里都会一行行写出来,并顺带着带你分析以及扩展的讲解这些知识点。**👨🏻💻
# 1. 对话智能体:一切从一个 chat 方法开始
智能体的最小 MVP,其实就是把用户的话交给模型、把模型的话还给用户。别小看这 17 行代码,ChatModel 这个抽象一旦立住,后面 25 个场景都是围着它转的。视频里会从这里起步,先破除"智能体很神秘"的错觉。

# 2. ReAct 智能体:让模型学会边想边做
问一句"北京今天天气怎么样",模型自己拆成了 思考 → 行动(get_weather(北京))→ 观察结果 → 再思考 → 给出最终答案。页面上的执行流程图把这个循环画得清清楚楚——这就是所有智能体框架的内核,LangChain、Coze 们跑起来都是这一套。

# 3. 工具调用:给模型装上手脚
模型只会出文本,Function Calling 让它"决定"调哪个工具、传什么参数,执行权还在你手里。时序图里能看到完整的三步:声明工具清单 → 模型发起工具调用 → 执行并回填结果。生产中的 tools/tool_calls,乃至后面的 MCP 协议,本质都是这三步。

# 4. RAG 检索增强:让智能体带着资料说话
问"ToyAgent 是什么项目",智能体先去知识库里检索(打分、取 Top2),再把检索到的片段塞进提示词让模型组织答案。切分 → 向量化 → 相似检索 → 增强生成,一条流水线下来,私有知识就能做到回答有出处、知识可热更。

# 5. 多智能体协作:从一个大脑到一支团队
一句"写一段 100 字的智能体科普短文",规划者拆任务、研究员和写手各司其职、审查员质量把关、主持者汇总交付,5 步流水线全程在轨迹里可见。协作的本质就是结构化消息在角色间流动,这也是后面子代理、A2A 等编排场景的地基。

# 四、课程设计 📅
我要想办法怎么让你把这个东西学会。
这是我在设计整套课程时,想得最多的一个问题。以为看懂和真正会用之间,隔着一道大坎;很多人收藏了几十篇 Agent 文章、下载过好些个开源项目,真到自己动手时,连一个 chat 方法都写不出来。
所以这套课程没有平铺 26 个孤立的 demo,而是设计成了一条打怪升级的进阶路线——五个阶段,从一个 chat 方法打到生产级智能体,每个阶段都只解决一个核心矛盾,案例层层咬合:阶段一的 ChatModel 抽象是后面 25 个场景的地基,阶段二的 ReAct 循环是所有编排场景的内核,阶段三的工具注册表撑起了阶段五的插件机制。你每学一个新场景,用的都是前面亲手写过的东西。
每个阶段配齐三件套:架构图(先看清全貌再动手)、知识表格(每个 Step 讲什么、你能收获什么)、课后练习(改代码、造工具、做对比,把知识焊死在自己手里)。全程视频带着你一行行写,横向对比 Java、Go、Python、TypeScript、JavaScript 五种语言的实现,一套学完,各个语言的智能体开发都能看懂上手。
整个课程分为5个阶段,26 个 Step 的能力是一步步长出来的,每一层都踩在下一层上(武当梯云纵):

学完整套课程,你脑子里的智能体知识地图会长成这样——六大板块,环环相扣:

别被 26 个场景吓到,它们本质上是同一个
chat(input)的 26 次进化。跟着视频一个阶段一个阶段打过来,回头看时你会发现自己已经把一台「生产级智能体」从零件到整机装了一遍。分阶段在细看下;
# 阶段一:打地基 —— 智能体的最小内核
目标:破除神秘感,理解「智能体 = 模型 + 策略」。

| Step | 案例 | 核心知识 | 关键收获 |
|---|---|---|---|
| 01 | 对话智能体 | String chat(String input) 一行核心逻辑 | 所谓智能体,起点只是「把用户的话交给模型,把模型的话还给用户」 |
| 02 | 提示词工程 | 系统提示词三层结构:角色 → 背景 → 任务与约束 | 同一个模型,换一份提示词就换一种「人格」—— 提示词是杠杆 |
# 阶段二:会干活 —— ReAct 循环与工具调用
目标:掌握智能体区别于聊天机器人的第一核心能力 —— 调用工具解决真实问题。

| Step | 案例 | 核心知识 | 关键收获 |
|---|---|---|---|
| 03 | ReAct 循环 | Thought → Action → Observation → Loop | 智能体的「灵魂循环」,模型自主决定何时终止 |
| 04 | 工具调用 | Function Calling 协议、JSON Schema 参数描述 | 工具是模型的「手」,description 写得越准,模型调用越准 |
| 05 | 记忆 | 对话历史管理、上下文窗口 | 无记忆的智能体每次都是「失忆」重新开始 |
# 阶段三:会规划 —— 知识增强与能力编排
目标:让智能体「有知识、会挑工具、能标准化接入」。

| Step | 案例 | 核心知识 | 关键收获 |
|---|---|---|---|
| 06 | 路由智能体 | 意图识别 + 分发 | 模型可以先做「分类决策」再走不同分支 |
| 07 | RAG | 向量检索 → 塞进提示词 → 生成 | 模型不知道的知识,先查再答,杜绝编造 |
| 08 | Wiki 知识库 | 知识条目编译、检索命中 | 「业务规则」类知识可以持续沉淀复用 |
| 09 | MCP 协议 | tools/list + tools/call 标准化 | 工具与智能体解耦的行业标准协议 |
| 10 | Skills 技能 | L0 纯提示词 / L1 工具组合 / L2 子流程 | 技能 = 工具的组合与复用,Claude Skills 的原理 |
| 11 | 工具注册表 | ToolRegistry 统一注册/发现/执行 | 能力管理的「中枢」,后面插件机制的地基 |
# 阶段四:会协作 —— 多智能体体系
目标:单个智能体能力有限,学会「分工、委派、协作、编排」。

| Step | 案例 | 核心知识 | 关键收获 |
|---|---|---|---|
| 12 | 多智能体 | 多角色各司其职,主代理汇总 | 「分而治之」是多智能体的第一性原理 |
| 13 | 子代理 | 任务拆解 → 委派 → 结果回收 | 子代理是「临时工」,用完即弃 |
| 14 | A2A 协议 | Agent 名片、任务委派、跨代理通信 | 智能体间的「标准化社交协议」 |
| 15 | 循环迭代 | 生成 → 评估 → 改进的多轮循环 | 好答案不是一次生成的,是迭代出来的 |
| 16 | 工作流 | 固定步骤编排 vs 模型自主决策 | 确定性任务用工作流,探索性任务用 ReAct |
| 17 | 运行时 | TurnEndReason 终止原因管理 | 循环必须能停:信息足够/达上限/出错 |
| 18 | 全能力整合 | 记忆 + 工具 + 路由 + RAG 融于一体 | 一个「六边形战士」智能体的完整形态 |
# 阶段五:能落地 —— 工程化与生产级能力
目标:从 Demo 走向生产 —— 安全、可控、可审计、可扩展。

| Step | 案例 | 核心知识 | 关键收获 |
|---|---|---|---|
| 19 | 澄清提问 | 信息不足时主动反问,禁止瞎猜 | 好智能体先问清再动手 |
| 20 | 审批管控 | 高危工具执行前必须人工批准 | 「批准 / 拒绝 / 批准并记住」三态机制 |
| 21 | 沙箱 | 格式校验→危险命令检测→资源限制→白名单 | 让 AI 执行代码的四道安全闸门 |
| 22 | 事件溯源 | 事件写入 JSONL → 回放重建状态 | 状态是事件的「投影」,天然可审计 |
| 23 | 插件机制 | URLClassLoader 隔离加载、install/uninstall 生命周期 | 插件 = 一批工具的可热插拔载体(dsh-java 原理) |
| 24 | Hooks 钩子 | before(审计/风控)→ 工具 → after(脱敏) | 拦截器管线,安全与治理的统一入口 |
| 25 | CLI 终端 | REPL 交互 + -p 单命令模式 | 形态是壳,灵魂仍是 chat(input) |
| 26 | 定时任务 | 一次性/周期性调度、任务列表/取消 | 让智能体从「被动应答」走向「主动服务」 |
# 五、进阶提升 📈
小傅哥干事,向来讲究体系化成长,这也是一个架构师的自我修养。那么,这里为你提供的课程,也是全面的、成体系的、循序渐进,进阶的。
从 0 开始,一套 AI Agent Guide 通识教程,之后开始进入难易程度不同的实战项目。这些实战项目是体现了不同类型的架构设计和场景方案,以及 AI Agent 基础设施。—— 一个公司里怎么干,小傅哥就带着你怎么干!


