《从零理解智能体（+八股）》第1篇，认识智能体，从过去到现在

作者：小傅哥，博客：https://bugstack.cn

大家好，我是技术UP主小傅哥。

我不是上车 AI 赛道，而是 AI 赛道的开车人！

自 2022 年底，以 OpenAI 正式对外发布 ChatGPT 大语言模型 LLM（Large Language Model）开始，小傅哥便随时开启了 AI 应用开发的”班车“。

先是最早发布了 AI 结合场景应用的问答助手，后是基于 AI 接口实现 SDK 做 OpenAI 应用，再往后逐步跟随最新 AI 技术（规范、模型、组件）实现相关的各类智能体服务。

再到最近，以个人开发者发布了一款 AI IDE 工具 WaLiCode - https://walicode.xiaofuge.cn —— AI 让我走向了全栈开发！

AI 时代，只要你学的足够慢，那你就不用学了！

AI 的发展非常快，快到什么德行！如果一个技术/服务/软件，你还没来得及学，那么几周后，可能就淘汰换新品了。所以学的都够慢，很多东西就不用学了！

然而，事情的本质并不是这样。那些所谓的换新，眼花缭乱的 AI Agent 服务，都只是上层产品形态，对于底层的核心内容，协议、标准、组件，都没有变，而是逐步的开枝散叶。如果当你从一开始，就跟着小傅哥体验 API + 业务，手搓 AI SDK，在实现 AI Agent 服务，那么这个阶段，你就是一个标准的 AI 应用开发工程师，毛线的焦虑都不会有！

但没办法，有些伙伴就是错过了这一班车，都已经到了市面上大量出现 AI Agent 应用开发岗，到了公司倒逼着程序员了解 AI，使用 AI，才后知后觉的开始准备学习。然后被市面上的大量资料、产品、服务，带着节奏东跑一下，西跑一下。碎片化的知识（还包括用AI窜出来的），给人搞的身心疲惫。

所以，他来了！《从零理解智能体（+八股）》 从零，即是从本质出发，从第一性原理上手，从实践中学习。本套内容会系列的为大家补全关于智能体的相关知识，让小白伙伴跟着学习后对智能体也能有个清楚的认知。希望这次别错过这趟车，免费的班车 ！

文末还有相关智能体实战项目，一整套内容从22年 AI 发展到至今，全部都有代表性实战项目。通过实战项目学习，也可以很好的掌握智能体技术，成为 AI 应用开发工程师。

一、什么是智能体

简单来说，AI智能体（Agent）就是一个能够感知环境、做出决策并执行行动的智能系统。它就像一个有"大脑"和"手脚"的助手，可以帮你完成各种任务。

但更直白一些来讲，智能体是这样（我们以发展迭代视角来看）；

2022年，OpenAI GPT 横空出世，我们得到了一个牛逼的网页对话服务。它像是一个超级大脑，可以为我们解答各类问题，包括像是程序员遇到代码错误，也可以询问后给出一些正确的编码方式，之后我们在复制到工厂里运行验证到使用。这一时刻，大家普遍把 AI 定位成比百度更牛的搜索引擎。

2023年，各大 LLM 大语言模型爆发，也都开始提供 API（http）接口对接协议。这一年，我们把 AI 通过 Github 外挂程序接入到微信群（对接一次￥500），也接入公众号，还接入到各个网站以及网页分析，网页翻译等场景。因为直接访问 gpt 困难，因此做一套套壳的服务，成了变现入口。

curl https://api.openai.com/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer sk-DEOKLWYTQ0Lim9******" -d '{
  "model": "gpt-3.5",
  "messages": [
    {
      "role": "user",
      "content": "写个冒泡排序"
    }
  ]
}'

API 协议就是这样，一个简单的 http 接口，来调用模型。为了更加方便的调用，后来各个厂家为自己的模型封装了 SDK 组件。这类组件小傅哥也带着实现了好几个。举例；https://bugstack.cn/md/project/chatgpt/sdk/chatglm-sdk-java-v2.html

2024年，以前的 AI 对话，只是问啥说啥，还可以告诉你怎么做，但它不去做。为了让它可以去做，我们开始设定 AI 对话中返回的格式结构，比如一个标准的 json 结构，还要告诉它不要解释任何信息，只给我返回这样一个结构，并直接告诉我结果。这一阶段，开始有苗头，AI 能做一些事了。因为返回的结构化 json，就可以被程序翻译识别，转而调用服务接口，但幻觉严重，实际使用效果还是有点差。不过这样的操作方式，也给 OpenAI 带来了新的思路，MCP 标准上下文协议于24年发布，它可以让我们以标准的协议方式，使用 AI 调用服务接口。之后就炸了！因为这相当于正式的给 AI 装上了四肢，它可以真的帮你干活了。百度搜索、谷歌地图、淘宝支付，也包括你公司的业务项目都能提供出来 MCP 协议接口服务，这个有脑子的 AI + 各种能力的服务，让各个互联网公司不得不重视 AI 的应用开发。

2025年，这是 AI Agent 智能体应用类项目爆发的一年，最有代表性的是 AI IDE 代码开发工具，Claude Code 可以说是玩命的干这个方向，把模型能力和工具能力都拉到爆。其他各个厂商，也都开始跟进开发 AI IDE 工具，之后大公司卖 coding/token plan，个人卖中转站。 海外这些 AI 大厂商，为了能让 LLM 更准确的执行用户意图，发布了 skills 技能书（这些细节后续章节再分享），把一套套执行流程的标准做成技能（类似 sop 标准），这样 LLM 可以不需要那么准确的提示词（一次次重复写），就能很好的执行标准流程（画个时序图、按照DDD重构代码等）。当然，也有离职的好哥们被蒸馏成了 skills，虽然他人走了，他的灵魂永远留在了岗位。

2026年，开年之后最为炸裂的是 OpenClaw 养虾，把 Mac Mini 都干涨价了，上门安装 OpenClaw 也成了生意。OpenClaw 的玩法开发了一套电脑端网关，说白了也就是让 LLM 对接的不只是 mcp、skills，而是对接了硬件设备，让 LLM 可以直接像人一样操作电脑。其实在这东西之前，25年到26年，还有智谱发布的 autophone 通过 LLM 控制手机。不过手机的护城河目前太高，安全级别也很高。短时间还不太会各处开花。

综上，这是22年到26年的关于 LLM 大语言模型以应用视角下的发展路径。这里我画过一张图，可以参考；

整个 AI 发展的诉求是这样；

因为，有 LLM 大语言模型对话诉求，所以基于机器学习，大规模的训练数据。因为，有 LLM 对话可以调用外部服务的诉求，所以设计了 function 函数和 mcp 模型上下文协议。因为，有 LLM 对话要像人一样可以规划、执行、检查诉求，所以设计了 agent work flow（ReAct）工作流。因为，有 LLM 对话要有历史记忆诉求，所以设计了各类的 memory 记忆上下文，这个阶段还把 rag 向量知识库，作为存储源过。因为，有 LLM 对同类智能体的分离诉求，所以设计了 a2a 协议，可以本地智能体调用其他智能体。因为，有 LLM 对话不能每次都写一堆提示词说明情况，有了 skills 技能，把人的各类标准行为”蒸馏“成模块包，让 ai 应用使用，复用能力。因为，有 LLM 对话编码过程中，还会有”惊喜“，每次执行的不一样。所以有了 spec 各类规约的限定，让 ai 从以前的随意搞，到现在的有规划和路径的搞。

llm、rag、function、mcp、skills、agent work flow（ReAct）、memory、a2a、spec...，他们总是在研究，怎么让 ai 更可靠。也一直想办法让 ai 像个人一样工作。你一次干不了的活，就让你记忆（短期/长期/工作），还让你有规划（拆解/执行/反思），再交给你干这个活的经验（skills 复刻能力），怕你干跑偏在你规约（spec-kit）。还干不好，没关系。ai 发展这么快，总会让你把活干明白。

二、了解发展历史

如果说过去几年是AI行业的“大航海时代”，那么如今我们已正式步入“大建构时代”。在这场重塑人类生产力的工业革命中，谷歌、OpenAI与Anthropic不再仅仅是技术路径的角逐者，更是三种截然不同的AI文明的构建者。他们共同推动了AI从“文本生成器”向“数字世界执行者”的历史性跨越。

Google：全栈生态的守望者与多模态的践行者

作为Transformer架构的缔造者，谷歌曾一度在生成式浪潮中显得庞大而迟缓。但在最新的现实中，谷歌凭借其无可比拟的“全栈底座”（TPU算力矩阵 + Android/Chrome终端生态 + 搜索数据）打出了反击战。其演进路线不再执着于单点突破，而是强调“无处不在”与“原生多模态”。通过Gemini系列，谷歌试图将AI化作水和电，无缝接入全球数十亿台设备中，实现跨越文本、视觉、音频的实时感知与交互。

OpenAI：从“规模神话”到“系统2推理”的破壁人

OpenAI曾用海量数据和算力验证了Scaling Law，推开了生成式AI的大门。然而，随着数据墙的逼近，OpenAI的最新锚点已从“生成（Generation）”转向了“深度推理（Reasoning）”（如o1系列模型）。通过引入强化学习与“测试时计算（Test-time Compute）”，OpenAI正在让AI从“凭直觉说话”进化到“思考后再回答”。他们依然是AGI（通用人工智能）最激进的冲锋者，试图在数学、编程和科学探索领域率先实现真正的机器逻辑。

Anthropic：以“安全宪法”重塑企业级信任的实干家

最初被视为OpenAI“保守派克隆体”的Anthropic，反而在商业落地中走出了最坚实的一步。其“宪法AI（Constitutional AI）”不仅仅是安全制衡的工具，更意外地造就了Claude系列在长文本处理、复杂代码编写和指令遵循上的惊人稳定性。Anthropic放弃了花哨的C端炒作，精准切入程序员与企业工作流（如Artifacts交互机制），证明了“可控性与安全”本身就是最强大的生产力。

无论是谷歌的设备级渗透、OpenAI的极致推理，还是Anthropic的可靠工作流，三家的路径正在收敛于同一个终局：打造能在复杂现实世界中自主解决问题的智能体。 这不再是一个纯粹的实验室科学问题，而是一场关乎算力调度、能源争夺、终端重构以及人类社会伦理适应的系统级战争。Transformer播下的种子，经过Scaling Law的催化，正在安全的护栏内，长出接管数字世界的神经元。

三、智能体的用途

智能体目前正处于从“只会说”到“能去做”的跨越期，从过去能做什么，到现在还有什么不能做的阶段。通过 AI MCP Gateway 解决了从应用服务到智能体的衔接，使用 Skills 提供了各类角色技能，叠加 Spec-Kit 做规约处置，我们让一个智能体的所应用场景变得越来也广泛和可靠了。

所以，当下阶段各类场景，都会被智能体逐步接入（举例）；

四、开发所需框架

不少伙伴被市面信息弄的很焦虑，本身学习 Java 的是不还要学习下 Python、Go 的 Agent 开发。但其实，企业里各个业务线是有所不同的，因此使用的语言也不一样。每一个语言，都有非常庞大的知识体系，来满足这个语言下各类场景的开发诉求。如果你是做 Java，其实优先把 Java 相关的智能体技术做好就可以。

对于业务类项目，java 有庞大的市场，如美团、京东、阿里、饿了么、滴滴等。这些业务会大量的引入 ai 进行提效，如客服、巡检、日志分析、运营等。因为这些业务本身就是使用 java，背靠 spring，所以很多公司天然的选择了 spring ai 框架进行开发以及二次扩展（阿里的 spring ai）。

所以学习 spring ai 是完全没问题的，包括谷歌，也做了 java 的 agent 框架。（星球ai agent脚手架课程，使用 spring ai/langchain4j + google adk - mcp、skills、a2a、agent work flow等，内容很全面）不同语言应对场景不同，如 py 更多面向基础、数据、量化等。java ai 更多面向业务，而业务岗位也是最多的。

其实，你一套东西搞透彻，很多东西也就自然而然的可以理解和上手了！

1. 🤖 Python 生态

2. ☕ Java / JVM 生态

3. Agent 开发工具包

public class ChatGPTClient {
    
    privatefinal String apiKey = "sk-xxxxxxxxxxxxxxxxxxxx";
    
    public String chat(String message) {
        // 1. 构建请求
        String requestBody = JSON.toJSONString(Map.of(
            "model", "gpt-3.5-turbo",
            "messages", Arrays.asList(
                Map.of("role", "user", "content", message)
            ),
            "temperature", 0.7
        ));
        
        // 2. 发送HTTP请求
        try {
            HttpResponse<String> response = HttpClient.newHttpClient()
                .send(HttpRequest.newBuilder()
                    .uri(URI.create("https://api.openai.com/v1/chat/completions"))
                    .header("Authorization", "Bearer " + apiKey)
                    .header("Content-Type", "application/json")
                    .POST(HttpRequest.BodyPublishers.ofString(requestBody))
                    .build(),
                HttpResponse.BodyHandlers.ofString());
            
            // 3. 解析响应
            JSONObject json = JSON.parseObject(response.body());
            return json.getJSONArray("choices")
                       .getJSONObject(0)
                       .getJSONObject("message")
                       .getString("content");
        } catch (Exception e) {
            thrownew RuntimeException("调用OpenAI接口失败", e);
        }
    }
}

除以上之外，每个公司，还有自己的智能体开发框架。所以对你来说，你主要一套搞透彻，进入公司就可以做其他的内容。因为说到底，你还是在使用统一的 api，只是上层被不同语言封装了，之后为你构建智能体提供了方便。项目举例；https://bugstack.cn/md/project/ai-agent-scaffold/ai-agent-scaffold.html

五、我们正面临的

从2022年ChatGPT发布到现在，AI智能体已经走过了从简单对话到自主执行的发展历程。作为研发工程师，我们正处在一个非常有意思的时代，既见证着技术的快速变革，也有机会参与其中。

智能体不是要替代人类，而是要成为我们的得力助手。理解它的发展脉络，掌握它的核心技术，能让我们在这个AI时代更好地发挥自己的价值。

但要想更好的驾驭 AI，一定是深耕自己的技术，否则会让你觉得 AI 虽然能帮忙，但也会让你更忙。

后续涉及各个细节的技术类章节，会附带的提供一些面试问题。

关注公众号「bugstack虫洞栈」回复「星球」获得限量优惠券🧧！