想学AI智能体？先分清楚这两条路再开始

如果你想要开始学习智能体，现有的海量信息可能会让人不知所措。为了梳理学习路径，我会首先把它分成两条方向：使用智能体，和创建智能体。

如果你使用 Claude Code、Codex 或其他类似工具，专注于学习以下内容：
- context engineering：决定智能体在每一步需要哪些信息
- task decomposition：把大问题拆分成更具体的任务
- 持久化指令：使用 CLAUDE.md 或 AGENTS.md 定义项目规则
- skills、subagentes 和 MCP：专业化、委托任务和接入新能力
- 反馈循环：给智能体提供信号，让它可以自我修正、迭代优化
- 验证系统：使用测试、构建和 linter 来验证结果

如果你想要创建自己的智能体，深入学习以下内容：
- agent loops 和 orchestration：定义智能体如何决策、行动、观察和推进
- harness engineering：构建连接模型和它所处环境的系统
- 工具设计：设计清晰、安全、易用的工具
- context、state 和 memory：在执行过程中和多次执行之间管理信息
- 防护栏、权限和沙箱：限制智能体可以做什么、在什么范围内活动
- evals、追踪和可观测性：衡量结果，理解执行过程中发生了什么

这两条路径是相互连通的，但需要不同的知识。弄清楚你想走哪一条，就能帮你知道该从哪里开始，不会在海量概念里迷失方向。