Agent开发学习记录 从初探：从0开始的AI-Agent开发踩坑实录开始 推荐到的两个提示词工程学习地址： https://github.com/PandaBearLab/prompt-tutorial https://www.promptingguide.ai/zh 文章最开始，先是介绍了几种流行的 agent 方案，比如 ReAct、 后面介绍了作者在搭建他的 agent 的具体方案，首先是采用最粗暴的方案，直接用一个完整的 prompt 让大模型去执行，结果也是可想而知，很容易陷入思考的死胡同。然后是分阶段，分步骤的去调用函数或者大模型去执行和判断，从而避免了单次大模型思考量过大。随后，提到了一个“蓝图“的观点，我觉得很有启发： 中间语言“部署蓝图” 由于上一个“全自主决策”Agent的失败，我发现可能更需要流程的可控性。如果让AI自己生成部署蓝图，后续再遵循蓝图进行部署物生成，可能会让结果更为可控。 为什么设计这个“蓝图”？1.  降低认知负荷，保证分析质量：让 AI 专注于“理解和分析”，而不是同时分心去想 Helm 的模板语法。这极大地提升了分析阶段的准确性。AI 在这 ...