阶段三：AI Agent

目标不是训练基础模型，而是建设可靠的 AI 应用系统：

用户目标
→ 确定性 Workflow
→ 局部 Agent 决策
→ 受控 Tool
→ 业务服务与数据
→ 状态、评测、审计

学习顺序

1. LLM 应用基础
2. 结构化输出
3. Tool Calling 可靠性
4. RAG 检索链路
5. Workflow 与 Agent 边界
6. 状态、记忆与恢复
7. Agent Eval
8. 可观测性、成本与模型路由
9. MCP 的位置与边界
10. Agent 安全
11. 从 Demo 到生产系统

学习原则

• 先不用框架实现一次模型调用和工具循环；
• 确定性流程优先，不把所有步骤交给模型；
• 模型负责建议，后端负责权限、校验和执行；
• 先建立评测集，再频繁改 Prompt；
• 把失败、成本和人工接管当作正常系统状态。

阶段完成标准

• 能解释 LLM 为什么不确定
• 能实现结构化输出与 Tool Calling
• 能判断 RAG、Workflow 和 Agent 的边界
• 能设计 checkpoint、审批和恢复
• 能建立最小 Eval 和失败案例库
• 能解释 Prompt Injection 与过度授权
• 完成 可恢复 Agent Workflow