zero2Agent：面向大厂面试的 Agent 工程教程，从概念到生产的完整学习路线

请珍惜枸

250人浏览 · 2026-07-03 14:03:38

请珍惜枸 · 2026-07-03 14:03:38 发布

模块一：Agent Basic — 建立正确认知

8 篇文章，覆盖 Agent 工程的底层认知：

Agent vs Workflow：不是所有"自动化"都是 Agent，搞清楚本质区别
Tool Calling 完整机制：不是"给模型一个函数列表"那么简单
Memory 设计模式：短期记忆、长期记忆、外部存储，怎么选？
Planning & Reflection：什么时候该让 Agent 自己规划，什么时候不该
为什么 Demo 能跑、落地就崩：这是面试最爱问的问题之一

如果你只有时间读一个模块，读这个。它决定了你后面所有学习的认知上限。

模块二：OpenClaw Agent — 60 行代码推导框架

从 60 行核心代码出发，一步步推导出完整的 Agent 框架：

workflow = node + node        # 有向路径，无循环
chatbot  = workflow + loop    # 外层循环，多轮对话
agent    = chatbot + tools    # 图内回路，模型驱动工具

9 篇文章覆盖：

为什么自己实现比直接用框架更重要
RAG 作为 VectorDB 的工程实践
Tool / MCP / Skill 三种工具形态对比
Context 与 Memory 的压缩策略
多 Agent 并行团队架构
pi-mono 生产级架构解析

核心观点：主流框架（LangChain、Dify）过度封装，真正的生产 Agent（Claude Code、Cursor、pi-mono）都是轻量自研。 理解了底层原理，用什么框架都是一层皮。

OpenClaw Agent 渐进式构建路径图

模块三：Claude Code — 12 节课手写 Coding Agent

这是整个项目最硬核的模块。12 节课，从 30 行 Agent Loop 逐步构建出完整的 Coding Agent 系统：

阶段	课程	机制
基础篇	S01-S06	Agent Loop → Tool Dispatch → TodoWrite → Subagent → Skill Loading → Context Compact
进阶篇	S07-S12	Task DAG → Background Tasks → Agent Teams → Protocols → Autonomous Agent → Worktree Isolation

每节课都是在前一节的基础上增量构建——不是看完就忘的理论，而是实实在在能运行的代码。

学完这 12 节课，你能清楚回答：

Claude Code 的 Agent Loop 怎么跑的？
Subagent 的 Context 隔离怎么做？
多 Agent Team 之间怎么通信和协调？
Worktree 隔离的工程意义是什么？

模块四：LangGraph — 图结构编排 Agent

7 篇文章，用图结构描述 Agent 执行逻辑：

State + Node + Graph 三件套：TypedDict 状态设计，节点函数，编译运行
条件分支：add_conditional_edges，根据状态动态路由
并行执行：Fan-out / Fan-in，多节点并发处理
Prompt Chaining：分步生成，节点间传递中间结果
LLM 集成：OpenAI / HuggingFace 在节点中的完整写法

LangGraph 的核心价值是把"意大利面条式"的 Agent 代码变成可维护的状态机。

模块五：SDK 框架 — 三大原厂 SDK 横向对比

4 篇文章，深入拆解三大原厂 SDK：

SDK	核心特色
OpenAI Agents SDK	`@function_tool` 装饰器，`Runner` 自动循环，`handoffs` 多 Agent
Google genai SDK	两种后端（AI Studio / Vertex AI），Function Calling，多模态
Claude Anthropic SDK	Messages API，Tool Use 手动循环，Extended Thinking

第四篇是横向对比：API 设计哲学差异、Tool Calling 实现方式、定价参考、选型建议。

核心结论：轻量原厂 SDK 比第三方框架更稳定、更完整、更适合生产。

模块六：框架调研 — 13 大框架横向测评

覆盖当前市面上最主流的 Agent 框架：

框架	来源	一句话特色
AgentScope	阿里巴巴	分布式多 Agent
Mastra	开源	TypeScript 原生
Semantic Kernel	微软	企业级 Plugin 体系
Eino	字节跳动	Go 语言，高并发
DeerFlow	字节跳动	Deep Research
LangChain	开源	最大生态，以及何时不该用它
Google ADK	Google	官方 Agent 套件
Vercel AI SDK	Vercel	Next.js 全栈 AI
AutoGen	微软	多 Agent 对话
...		还有 4 个

看完这 13 篇，面试官问你"为什么选这个框架不选那个"，你能给出有理有据的回答。

模块七：Agent Training — 训练 Agent 的工程实践

6 篇文章，覆盖 Agent 训练的关键技术：

Agent SFT：轨迹数据 vs 单轮 QA，为什么训 Agent 不能用普通 SFT 数据
Agent RL：轨迹构造与 Loss Mask 策略
GRPO vs PPO：两种强化学习方法的对比与选型
数据混合策略：训练数据的配比与质量把控
Agent 评估指标：怎么衡量 Agent 好不好
从 SFT 到部署：完整的 Pipeline

这个模块在面试中的杀伤力极大——能把 Agent 训练讲清楚的候选人，凤毛麟角。

模块八：Agent Interview — 大厂面试真题库

这是求职人群最关心的模块。 12 篇文章，覆盖 2025-2026 年大厂 Agent 方向的真实面试题：

覆盖公司：蚂蚁集团、阿里巴巴、字节跳动、腾讯、携程

11 大核心维度：

架构设计
工具管理（Tool / MCP / API）
容错与恢复
Memory 与 Context
评估与可视化
多 Agent 协作
工程踩坑
Prompt Engineering
RAG 检索
训练与数据
AI 代码测试

每道题都有"新手答"vs"高手答"的对比——让你直观看到面试官想听什么，以及大多数人差在哪里。

举个例子：面试官问"多 Agent 协作怎么做容错？"

新手答：加 try-catch，失败了重试
高手答：从超时熔断、状态回滚、降级策略、人工介入四个层面展开，结合具体架构说明

大厂 Agent 面试新手答与高手答对比图

学习路线推荐

根据你的背景和目标，推荐不同的学习路径：

没有

有

求职面试

工程落地

框架选型

全面学习

你的起点

有 Agent
开发经验？

Agent Basic → OpenClaw

目标？

Agent Interview
+ Agent Training

Claude Code
+ LangGraph

SDK 框架
+ 框架调研

按顺序全部学完

zero2Agent 三条学习路线可视化地图

面试速通路线（2-3 周）：

Agent Basic（建立认知） → 2. Agent Interview（刷真题） → 3. Agent Training（补训练短板）

工程进阶路线（4-6 周）：

Agent Basic → 2. OpenClaw → 3. Claude Code → 4. LangGraph → 5. SDK 框架

全面学习路线（6-8 周）：
按模块顺序从头到尾学完，最终完成 Final Project。

项目亮点总结

工程导向：不讲营销话术，不做"5 分钟 Agent"，每一篇都是可落地的工程内容
渐进式构建：从 30 行到完整系统，复杂度随需求递增
多框架覆盖：13 个框架横向调研 + 3 大原厂 SDK 深度拆解
面试强相关：蚂蚁、阿里、字节、腾讯、携程真实面试题，新手答 vs 高手答对比
持续更新：当前 70+ 篇文章，9 大模块，仍在持续迭代
完全开源：MIT 协议，免费使用

谁适合用这个项目

学过深度学习，想转 LLM 应用开发的程序员
会 Python，想系统补齐 Agent 工程能力
用过 Claude Code / Cursor，想理解背后实现原理
正在准备 Agent 方向技术面试或实习
想把 Agent 从 Demo 推到生产环境

快速开始

# 克隆仓库
git clone https://github.com/ranxi2001/zero2Agent
cd zero2Agent

# 本地运行（需要 Ruby + Jekyll）
gem install bundler jekyll
bundle install
bundle exec jekyll serve

# 访问 http://localhost:4000/zero2Agent

或者直接在线阅读：Zero2Agent | 从会用 AI 到会开发 Agent