🤖 Agent 八股文
AI Agent 核心知识点系统梳理，涵盖架构、推理、记忆、工具、多 Agent 协作等核心主题。
什么是 Agent 八股文？
Agent 八股文是针对 AI Agent 领域的系统化知识点整理，帮助开发者快速掌握 Agent 技术栈的核心概念和实现方法。
📚 知识体系
| 模块 | 内容 | 核心知识点 |
|---|---|---|
| 基础篇 | Agent 概述与发展 | 定义、发展历程、与 LLM 区别 |
| 架构篇 | 核心架构设计 | ReAct、规划、记忆、工具、执行 |
| 推理篇 | 规划与推理能力 | 思维链、思维树、ReAct 模式 |
| 记忆篇 | 记忆系统设计 | 短期/长期记忆、RAG、向量数据库 |
| 工具篇 | 工具与能力扩展 | Function Calling、MCP 协议 |
| 协作篇 | 多 Agent 系统 | 通信、协作、编排模式 |
| 框架篇 | 主流框架详解 | OpenClaw、LangChain、Claude Code |
| 安全篇 | 安全与伦理 | 提示注入、对齐问题 |
| 应用篇 | 实际应用场景 | 编程 Agent、研究助理、个人助理 |
🌟 OpenClaw 框架
OpenClaw 是一个正在快速发展的开源 Agent 框架，提供了完整的 Agent 能力实现：
核心特性
| 特性 | 说明 |
|---|---|
| 三层记忆系统 | 永久记忆 + 长期记忆 + 短期记忆 |
| 技能系统 | 可扩展的工具能力模块 |
| 多渠道接入 | 支持 WebChat、Telegram、Discord 等 |
| 本地优先 | 数据存储在本地，隐私安全 |
为什么选择 OpenClaw？
- 开箱即用：完整的 Agent 能力，无需从零搭建
- 可扩展：模块化设计，轻松添加新技能
- 国产模型支持：支持 DeepSeek、Qwen 等国产大模型
🎯 学习路径
初学者路径
- 了解基础 → 什么是 Agent → Agent 与 LLM 的区别
- 理解架构 → ReAct 架构 → 规划、记忆、工具
- 实践入门 → OpenClaw 框架 → 简单技能开发
进阶路径
- 深入原理 → 思维链、思维树 → RAG 记忆增强
- 掌握协议 → Function Calling → MCP 协议
- 系统设计 → 多 Agent 协作 → Agent 编排
📖 章节导航
🔗 相关资源
- OpenClaw GitHub (opens in a new tab) - 开源 Agent 框架
- LangChain 文档 (opens in a new tab) - LangChain 官方文档
- Anthropic MCP (opens in a new tab) - Model Context Protocol
最后更新：2026年3月18日