AI Agent 开发 · 知识体系全景图

从底层决策范式到顶层自动化设计——23 个核心概念的关系图谱

决策范式
框架实现
基础设施
知识增强
质量保证
前沿扩展

🧬 进化四阶段

LEVEL 1
Prompt Engineering
优化单次交互的指令质量
CoT · ToT · System Prompt
LEVEL 2
Context Engineering
管理 Agent 能看到的信息
Progressive Disclosure · Compaction
Context Window Mgmt
LEVEL 3
Harness Engineering
搭建完整基础设施底盘
Tools · Sandbox · Memory · MCP
Guardrails · LoopAgent
LEVEL 4
Loop Engineering
设计自动化系统取代人工
Automations · Worktrees · Skills
Sub-agents · Completion Criteria

🏗️ Agent 架构五层模型

🔮 循环层 Loop Layer

决策引擎
ReAct CoT / ToT Reflection Plan-Execute LoopAgent Loop Engineering Completion Criteria Sub-agent Split
↓ 循环层调用工具,依赖基础设施层提供的执行环境 ↓

⚙️ 基础设施层 Harness Layer

运行底盘
Tool Calling Function Calling Sandbox MCP Structured Output Context Mgmt Model Routing Worktrees Automations
↓ Harness 注入知识增强层的检索结果和记忆 ↓

🧠 知识增强层 Knowledge Layer

外挂大脑
RAG Vector DB Embedding Chunking Memory System Skills (SKILL.md) External APIs
↓ 贯穿所有层次的横切关注点 ↓

🛡️ 质量保证层 Quality Layer

横切面
Agent Evaluation HITL Prompt Injection 防御 Observability Token 成本监控 Guardrails Error Recovery

🚀 前沿扩展层 Frontier Layer

2026+
A2A Protocol Computer Use Multi-Model Fusion Visual Agency Distributed Agents

⚡ Agent 请求处理全流程

📥
INTENT
用户请求 API / Cron Event Trigger Automation
🔍
CONTEXT
System Prompt RAG 检索 Memory 注入 Skills 加载
🧠
REASONING
ReAct Loop CoT / ToT Model Routing Reflection
🔧
ACTION
Tool Call Sandbox Exec Structured Output Sub-agent Spawn
👁️
OBSERVE
工具结果 错误信息 Token 消耗 进度保存
🔄
ADJUST
重新规划 模型切换 Compaction Completion?
VERIFY
Eval Check Checker Agent Human-in-Loop HITL Approve
📤
DELIVER
最终响应 文件产出 API 回调 下一个 Loop
○ 实色节点 = 待深入  |  ◌ 虚线节点 = 已覆盖  |  彩色边框 = 所属概念类别  |  2026-06-23