AI Agent 系统学习日记-Day1&2

一、我的学习方案：让 Claude 当教练

从 Workbuddy到 Claude Code，我用 AI 帮我干活已经有一段时间了。但说实话，之前一直处于“懵懵懂懂、能用就行”的状态。直到昨天，AI 群里一位高手分享了一套系统学习思路，我才意识到：是时候告别野路子，系统化升级一下自己的“AI 脑”了。

AI时代怎么学习，当然是直接抄作业。昨晚，我把高手的资料发给了我的 “CC小秘”（Claude），让它当我的私人教练，帮我量身定制了一套学习计划。

学习来源

学习内容基于 Datawhale 成员陈思州整理的Agent-Learning-Hub，以及配套教材Hello-Agents（GitHub 44k+ Star）。覆盖了从理解 Agent 概念到交付真实产品的完整路径。

18 天定制计划

原始路线是 43 天、每天 3 项任务。我让 Claude 帮我分析了时间安排和已有基础，压缩为18 天精华版——内容零删减，129 个知识点全部保留。

Claude 怎么教

不是"看完视频做练习"的录播课模式，而是对话式学习——每天早晨推送当天任务，我随时开始对话。最特别的是苏格拉底式提问：我问"API 是什么意思"，它不直接给定义，而是问"你平时怎么用飞书发消息的？那个命令本质上是什么？"——用我自己的经验引导我自己推导出答案。

二、教练教了什么：Day 1 & Day 2 内容

Agent 到底是什么？三家官方定义

核心循环：OTA

Agent 每一次行动都是一轮完整的：Observe（观察）→ Think（思考）→ Act（行动）→ 回到 Observe → ...

简单问题一圈搞定，复杂任务多圈迭代。多圈循环 = Agent 的自主性，这是它和 ChatGPT"一问一答"的本质区别。

五条核心设计原则

四种形态递进

Agent 不适合的场景

不是所有事情都该上 Agent。三种情况该收手：规则已经很明确（如自动续费提醒）、单次调用就能解决（如情感分类）、对错误零容忍（如自动转账）。

三、我的学习输出：

输出 1：我对 Agent 定义

输出 2：OTA 循环图

输出 3：我的思考——AI agent就像一个部门经理

AI Agent 就像一个部门经理。人是老板定目标，AI agent部门经理开始想办法——查背景资料、盘手头资源、碰到障碍先尝试自己绕路解决。小决定自己做，大决定找老板拍板。干完了给老板汇报，老板不满意就接着改，改到老板满意为止。

四、下一步

Day 1/Day 2 只是概念扫盲。Day 3 开始写代码：从零用 Python 构建一个最小 Agent Loop，用 50-150 行实现完整的 tool calling 循环。

— END —

系列：AI Agent 系统学习日记 | 下一篇：Day 3 — 从零写代码