Agent 开发到底该学什么？我整理了一条不绕路的学习路线
大家好，我是风雨，后续会陆续更新一下 Agent 开发所需知识。我自己学 Agent 的时候知识点比较零散，东看一篇西看一篇，效率不高。现在把踩过的路整理成一套学习路线，大致就是下面这十块，按顺序走会顺一些。
别急着用 Python：Java 开发 Agent，也有自己的优势
做 AI Agent，很多人会先想到 Python。但对已经使用 Java 和 Spring 的团队来说，换语言真的是必选项吗？比较 Agent 框架，不能只看它能不能调用大模型。工作流如何组织、数据如何传递、任务怎样并行，以及出现错误时能不能控制，都会影响后续开发和维护。
让 agent 调 Python 沙箱执行代码，跑数据分析这类任务靠谱多了
上个月做一个数据问答的功能，用户丢一个 csv 上来，问「上个月哪个渠道的转化率最高」。我一开始的做法很蠢：把整张表塞进 prompt，让模型自己算。结果几万行数据，token 直接爆了，算出来的数字还错得离谱，模型对着一堆逗号分隔的文本硬猜均值，你敢信吗。
用 Mastra 写 TypeScript 的 agent，工作流、记忆、工具调用一套搞定
搞 AI agent 这块，Python 生态一直挺热闹，LangChain、LlamaIndex 一堆。但我们整个后端是 Node + TypeScript，为了塞个 agent 单独起一套 Python 服务、再处理两边通信，说实话挺别扭。
私有AI实战18：让本地AI动手干活，Agent工具调用实战
前面折腾了十几篇本地大模型和知识库，终于到了我感觉比较有意思的阶段。现在我们的本地AI已经能读文档、查资料、结合知识库回答问题，甚至还能在网页上进行多轮对话。但有个问题一直没解决：它知道怎么做，却不一定能替你做。
从 Python 到 Rust，从 Chat 到 Agent：我的真实开发演进之路
一个极其卑微的痛点平时我们用大模型，不管是 ChatGPT 还是 DeepSeek，给出的回答常常是 Markdown 格式。直接复制到记事本里，满屏的 **、##、---，根本没法看。发给老板或者客户，更是显得极不专业。
Agent记忆系统的设计实践：一张表、一个索引、三套淘汰策略
Kimi Hosted Agents 游戏 Agent 完整搭建步骤（适合做游戏长任务）
入口：Kimi 开放平台控制台，新版底座优先选 K3.
Agent全栈开发工程师训练营
招聘市场上“Agent全栈开发工程师”的岗位描述正在趋同：Python/TypeScript、LangChain/LangGraph、RAG、Tool Calling、Prompt Engineering，再加一条“有Agent系统落地经验优先”。