01学习目标
- 实现一个 ReAct 循环
- 写一个 MCP 服务器
- 设计 Agent 的记忆与失败恢复
建议先学：RAG 系统工程与评估 · 提示词与高效使用 AI
02站内正文
03要掌握的算法
每张卡都有原始论文、前置和学习资料。
ReAct 推理-行动循环ReAct (Reason + Act) 让模型交替“想一步、做一步、看结果”。 2022核心 Toolformer 自学用工具Toolformer 模型自己学会何时、如何调用 API。 2023扩展 函数调用 / 工具调用Function Calling / Tool Use 模型按 JSON Schema 输出结构化的函数调用参数。 2023核心 模型上下文协议 MCPModel Context Protocol (MCP) 连接 AI 应用与外部工具/数据源的开放标准协议。 2024核心 Reflexion 语言反思Reflexion 失败后用文字写下反思，存进记忆，下次尝试时参考。 2023核心 生成式智能体与记忆Generative Agents (Memory & Reflection) 带记忆流、反思和计划的 AI 角色，在小镇里模拟人类生活。 2023核心 Agent-计算机接口（SWE-agent）Agent–Computer Interface (SWE-agent) 为大模型专门设计的命令行工具界面，显著提升自动修 bug 能力。 2024核心 思维树Tree of Thoughts 把推理展开成树，边生成边评估、可回溯搜索。 2023核心 多智能体对话框架（AutoGen）Multi-Agent Conversation (AutoGen) 让多个分工不同的 LLM 智能体互相对话、调用工具，协作完成任务。 2023核心 MemGPT 分层记忆MemGPT (Hierarchical Agent Memory) 像操作系统管理内存一样，让 LLM 自己在上下文和外部存储之间搬运记忆。 2023核心
04必读论文
- ReAct: Synergizing Reasoning and Acting in Language Models ↗2022 ✓ 已核实 在必读经典里
- Toolformer: Language Models Can Teach Themselves to Use Tools ↗2023 ✓ 已核实 在必读经典里
- Reflexion: Language Agents with Verbal Reinforcement Learning ↗2023 ✓ 已核实 在必读经典里
- SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering ↗2024 ✓ 已核实 在必读经典里
05课程与视频
06动手：项目、代码与练习
全部是官方或作者公开的免费页面，多数能在浏览器或免费 Colab 里直接运行。
动手项目
写一个能查天气、读本地文件、发起网页搜索的 MCP 服务器，接入任一 MCP 客户端完成 3 个多步任务。
- 1
- 2
- 3
07自测题
先自己想，再点开看答案。
ReAct 循环由哪三部分组成？
思考、行动、观察。
MCP 基于什么消息协议？
JSON-RPC 2.0。
SWE-agent 的关键发现？
为模型设计专用工具接口（ACI）显著提升效果。