keyuchen21/agentic-engineering-handbook

它解决了什么问题

构建生产级AI系统现在需要掌握代理、工具使用、MCP、记忆、长时间运行的工作流、编码代理、代理工具链、评估和安全性。这些知识分散在OpenAI博客、Anthropic工程文章、SDK文档、示例代码和研究论文中。本手册将218个精选资源整合为一个结构化的学习路线图，目标是帮助你成为世界级的Agentic工程师。

它是如何工作的

本手册按分阶段学习路线图组织。阶段0讲解代理循环——模型+工具+一个循环的核心思想——并提供五个可运行的Python示例（v0到v4），从仅使用bash的代理逐步构建到具有子代理和技能的代理。阶段1涵盖代理基础：心理模型如杠杆作用、用于决定工作流与代理的四问题检查清单，以及来自OpenAI、Anthropic和Google的提示指导。阶段2深入探讨MCP和工具生态系统。阶段3专注于上下文、记忆和技能。阶段4涵盖工具链和长时间运行的代理，后续阶段扩展到评估、生产系统和高级课程，如代理训练和搜索。

每个阶段列出来自OpenAI、Anthropic、Google、Cloudflare和Hugging Face等供应商的“先读”和“再读”资源，随后是“构建练习”，将阅读转化为动手实践。还有针对编码代理、安全、代码审查或SRE的应用实践轨道，以及带有P0/P1/P2级别的完整阅读表，便于快速参考。

适合谁

本手册为四类受众提供不同的起点：代理新手（从阶段0开始并遵循核心阶段）、已经构建LLM应用的开发者（从阶段2或3开始并填补空白）、尝试构建项目的人（使用构建练习和实践轨道），以及任何寻找参考资料的人（直接跳到完整阅读表）。

亮点

• 218个精选资源整合为一个结构化路线图
• 基于阶段的路径（阶段0-7）涵盖代理循环、MCP、上下文/记忆/技能、工具链、评估和生产系统
• 阶段0的代理循环实验室中的可运行Python代码：五个版本展示代理如何从仅bash发展到支持技能
• 具体的构建练习提示和应用实践轨道，涵盖编码代理、安全、代码审查和SRE
• 带有P0/P1/P2参考级别的完整阅读表