近几年，AI 已经跨过了"回答问题"的阶段，变得能够在拿到目标后，自己思考步骤、使用工具、执行多个环节并把事情做完。这就是 AI 智能体。企业的导入咨询急剧增加，MCP 这类连接技术也在一夜之间铺开。本课程是一门面向开发者的实战课，教你亲手设计与构建这样的 AI 智能体。从理解原理，到做出第一个智能体、MCP 连接、多智能体、评估、安全对策、本番运营，共 7 章为你逐一讲解。
目标是"把拿到目的就自己行动的 AI，安全地做出来并运营起来"
什么是 AI 智能体
AI 智能体，是指在拿到目的（目标）后，能自己思考达成目标的步骤、一边调用工具、一边自主执行多个环节的 AI 系统。传统的聊天只是"一个问题给一个答案"，而智能体会转起一个"调查·判断·执行·检查，必要时重来"的循环。
比如你拜托它"把上周的销售额汇总成一份报告"，智能体会①找到数据在哪→②取过来→③做汇总→④写成文字→⑤复查结果，把这一连串工作（包括中途的判断）自己推进下去。不需要人一条一条地下指令，它会从目的倒推着行动，这正是它的特点。
💡 "聪明的聊天"与"智能体"的分界线。 只是对话，那是聊天。一旦它开始对外部的工具或环境施加作用，并根据结果决定下一步行动，那就是智能体了。概念还比较模糊的读者，不妨先从《什么是 AI 智能体（基础讲解）》读起，会更顺畅。
智能体的 4 个构成要素
任何智能体，拆开来看都由4 个部件组成。把这套结构记在脑中，后面几章会一下子变得好懂很多。
理解情况、决定下一步做什么的核心。由 Claude 等大语言模型来担当。
搜索·计算·调用 API·文件操作等，向外部施加作用的"手"。工具的质量决定能力。
保留至今的经过与取得的信息。上下文设计的好坏，决定成败。
反复进行"思考→行动→看结果"的机制。也包括何时该停下的判断。
本课程会先在第 2 章把这 4 个要素组合成一个最小的智能体，第 3 章起再逐一深入工具（工具／MCP）、记忆（上下文）、控制（多智能体·评估·安全）。想更深入了解上下文设计的读者，可参考《上下文工程》。
与 RPA、聊天机器人的区别
"这跟 RPA 或以前的聊天机器人，到底有什么不一样？"——这是常见的疑问。决定性的区别在于是"执行既定的步骤"，还是"判断情况再行动"。
| 种类 | 行动方式 | 擅长 | 不擅长 |
|---|---|---|---|
| RPA | 精确地重复既定步骤（手） | 定型·大量·严格 | 例外·判断·变化 |
| 聊天机器人 | 一问一答地应答（嘴） | 对话·引导·答疑 | 执行多个步骤 |
| AI 智能体 | 判断情况、自己行动（头＋手） | 非定型·判断·工具联动 | 严格的可复现性·失控风险 |
📊 不是对立，而是组合。 由"头脑"的智能体来判断，由"手"的 RPA 来精确执行——这样的分工非常强大。想更了解区别的读者可看《AI 智能体 vs RPA》，业务中的用武之地则看《智能体应用案例》。
该做智能体的时候／不该做的时候
智能体并非万能。动手前先判断"是不是真的需要智能体"，是一个好开发者的第一步。
- 步骤无法事先固定（随情况而变）
- 需要跨多个工具·信息源
- 需要判断或试错
- 能检测失败并重来（有测试·复查）
- 步骤已完全确定（→用 RPA 或普通代码）
- 一次 LLM 调用就够（→简单的 API 利用）
- 不容出错、且无法重来的领域
- 价值配不上成本·延迟
⚠️ 先试最简单的办法。 与其上来就搭多级智能体，不如按"先来一次提示词 → 不够就加一个工具 → 还不够再上智能体"逐级升级，这是铁则。复杂度，等到真正需要时再加。
本课程的地图
本课程共 7 章。按"了解 → 制作 → 连接 → 增多 → 度量 → 守护 → 运营"的顺序，一路走到能够设计、构建并运营智能体的程度。
开始之前
本课程面向开发者。不过也不必紧张。有下面这些基础，就足够跟得上。
能读写一点 Python 或 JavaScript 就够，不需要多深的专业知识。
能用上 Claude 等AI API 的环境。先用免费额度即可。
先准备好一个"查点东西再做个摘要"这种程度的小目标。
✅ 只想"用"而不写代码，去另一门课。 若只是想在业务里用好智能体，《AI 工作术》课程更合适；若想先一口气做出能跑的东西，《智能体的做法（入门）》是捷径。本课程面向"亲手设计与构建"的开发者。
- AI 智能体＝拿到目的就思考步骤、使用工具、自主执行的 AI。
- 构成要素有 4 个 ― 大脑（LLM）·工具·记忆·循环（控制）。
- RPA（手·严格）／聊天机器人（嘴·一问一答）／智能体（头＋手·判断）角色不同，组合才强。
- 动手前先判断"是不是真的需要智能体"。从简单办法开始逐级升级。
那就开始动手吧。在下一章《做出第一个智能体》里，我们会把 4 要素组合成一个最小的智能体，真正跑起来。