资源导读

Hugging Face 的免费智能体课程。先从“思考 → 行动 → 观察”循环和一个手写的 dummy agent 讲清楚机制，再介绍 smolagents、LlamaIndex、LangGraph 三个框架，最后用 GAIA 基准做结业项目。它贯穿整条路线，是主线练手项目。

Anthropic 在 GitHub 上提供的五门 notebook 课程：API 基础、提示工程互动教程、真实场景提示、提示评测、工具使用。仓库已归档，示例多用 Claude 3 Haiku，适合挑章节补基本功，不宜当主线。

一篇写于 2023 年 6 月的综述，被广泛引用。它把 LLM 智能体拆成“规划、记忆、工具使用”三大组件，并梳理了当时的代表性研究。体系阶段从这里开始，先搭起概念框架，再用 Anthropic 2024–2026 年的工程文章去更新它。

一篇工程视角的长文，改编自作者的书《AI Engineering》。核心观点：智能体由“所处环境 + 可用工具”定义。文章重点讲工具的三种类型、如何把规划和执行解耦、计划粒度的取舍，以及如何按“规划失败 / 工具失败 / 效率”来评估智能体。

开源学习项目：把 30 篇经典深度学习论文逐篇做成学习单元，含讲解、从零实现、notebook 和带答案的练习。书单据称源自 Ilya 推荐书单（未经本人证实），仓库另补 3 篇。在本路线中它是与主线并行的原理支线：30 篇全推，核心 10 篇按 P1–P5 搭配笔记，P6 读理论，其余 14 篇按单元补完。

仿照经典的“12-Factor App”，从工程实践角度总结出 12 条（外加附录 1 条）构建生产级 LLM 应用的原则。核心主张：好的智能体大部分是普通软件，LLM 只在合适的位置做决策；提示、上下文窗口和控制流都应该由开发者自己掌控。

DeepLearning.AI 有上百门课，本页只挑与本路线直接相关的 6 门：4 门与 Anthropic 合作的短课（Computer Use、MCP、Claude Code、Agent Skills）、Arize 的智能体评测课和 Andrew Ng 的 Agentic AI 长课。每门只写要点和对照笔记。

OpenAI 官方的 notebook 示例集合。本页把它当作“另一家厂商的做法”来对照阅读：挑出 8 篇与 Anthropic 笔记主题重合的示例（会话记忆、长期记忆、压缩、沙箱化 harness、Skills、改进闭环、宏观评测、成本优化），每篇说明它和哪篇 Anthropic 笔记可以对照、两家做法有什么异同。

Simon Willison 是独立开发者，几乎每天写博客，长期跟踪 LLM、编码智能体和提示注入。博客内容很多，本页只推荐 4 个入口：编码智能体实践指南、提示注入的“致命三要素”、他对“智能体”的定义，以及两个适合长期订阅的标签页。前沿阶段用它来保持对行业的感知。