从动手做一个能跑通的小任务开始,而不是先学名词和框架;Agent 的核心是围绕目标计划、行动、观察、再决定是否继续的循环。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先跑通一个计划-行动-观察的循环
Agent 和普通对话 AI 的差别,是它会围绕目标自己计划、行动、看结果、再决定要不要继续1。学 Agent 最直接的入口,就是亲手让一个工具跑完这个循环,而不是先背 RAG、LangGraph 这类名词。比如让 Cursor 这类编程 agent 帮你完成一件小事:改一个文件、抓几条信息、整理成邮件。你观察它哪一步计划错了、哪一步没看结果就往下走,再调整。这样你学的是循环本身,换工具也带得走。
名词会过期,做事方法不会
学 AI 时容易把“学会了某个工具”当成进步,但工具几个月就换一轮,真正留下的是拿到模糊需求先拆成能检验的小步、结果不对先找原因而不是换工具这类习惯3。所以起点不必是选对某个框架,而是选一个你本来就想解决的小问题,用 agent 做一遍,记录你在哪一步卡住、怎么调整。这比先看完一套教程更能帮你判断自己缺的是工具熟练度还是做事方法。
材料没有给出针对零基础的具体课程顺序或工具清单;上面是学习路径的取舍,不是某门课的推荐。
出处
- 1用“AI产品的六个层次”,分类AI Architect学员项目,结果如何?
用几个真实项目说明 Agentic Core 的计划-行动-观察循环长什么样,适合先建立对 Agent 的直觉。
- 2AI的正确打开方式:不学概念,学动作
解释为什么被名词吸引会带来错误的进步感,适合校准学习方向。
- 3假学习的终结
讲清工具与做事方法的区别,适合判断该把时间花在学名词还是练方法上。
- 4正确的学习方法比大家想象中稀缺很多,那我们如何筛选人才?
给出从不会到会的学习过程该关注什么,适合复盘自己的学习方式。
追问2026年10月8日
作为一个计算机领域的研究生,我想在毕业找到工作,我需要学习什么,从现在这个节点来看
把学习目标从“会发提示词”换成“能独立交付一个真实用户会用的东西”,用撤掉帮助、换条件还能不能做来检验自己是否真学会。
提示词发得多,不等于能力长在身上
你感觉没学到实质内容,很可能是因为 Agent 替你完成了最关键的几步:把模糊需求变成任务、定义什么叫可用、定位失败原因、在约束里迭代。你只是在走流程,所以“做出来了”只说明当下做得好,不说明能力留下了。检验的办法是撤掉帮助、隔一两天、换一道题再做一遍,卡住的地方就是还没学会的地方。配环境、申请 token、调端口这类消耗意志力却不长本事的“假困难”,尽管交给工具;难要留给值不值得做、怎么拆、做得好不好。
半成品和产品之间隔着一条鸿沟
AI推演你做的程序都像半成品,这不是你一个人的错觉。从能跑的 demo 到能被真实业务长期依赖的系统,中间那道鸿沟在项目开始时几乎看不见,大部分复杂度要等第一版出现、真实用户开始用、业务开始依赖之后才逐渐显形。AI 没有填平它,只是让你更快走到边上。所以别急着把半成品升级成生产系统,先闭合一个小循环:做出改动,让一个真实的人用,观察发生了什么,再改一次。你练的是从判断一路负责到结果,而不是多做一个项目。
先找真实需求,再决定学什么
AI推演“造一个产品、有产出、能挣钱”这个目标本身没错,但顺序容易反。市场不按你的焦虑程度运行,它只回应你交出去的东西:你能做什么、做得怎么样、别人为什么信你、有没有低风险的方式先试一次。所以与其先想学哪个框架,不如先找一个真实的人,愿意让你帮他做一件很小的事,把这件事做完、交付、拿到反馈。这样你会自然知道该补哪块知识,而不是先囤一堆名词。
材料没有针对计算机研究生求职的具体岗位要求,也没有你所在方向、时间线和已有项目的信息,以上是通用机制而非针对你个人情况的判断。
出处
- 1学AI的两大误区:找课本(只看不动手),抄作业(依赖tutorial)
解释为什么看教程、跑通流程不等于学会,以及可迁移性这个检验标准。
- 2假学习的终结
给出撤掉帮助、隔时间、换题这三步具体怎么检验自己是否真学会。
- 3Don't build: 看清demo和production之间的鸿沟
说明 demo 与 production 之间的鸿沟,以及为什么半成品感觉做不完。
- 4如何识别与消灭 fake work
可回到原文核对这部分判断
- 5越急,越不要许愿
讲焦虑状态下先找真实需求、把动作变小,而不是先找工具。
- 6第02课|学习工作和赚钱的正确方法
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我是一名刚接触ai agent的大学生 不知道能干什么
可以看看什么来多了解了解这个世界
先读俞舟教授那两集访谈,理解 agent 的两种路线;再读立正讲“必须上手做”的那段,然后自己动手做一个小任务。
- 怎么学习ai?学习agent?
学 AI 和学 Agent 的重点不是先背概念,而是围绕真实交付反复动手:把模糊需求拆成任务、定义“可用”、诊断失败、换题还能做。Agent 可以作为一个具体项目来练,但别把跟教程走一遍当成学会。
- 我在网上看到有些人可以把 token 用的非常多,比如说跑几百个 agent 做这种类似 one-person company。
我感觉我现在虽然也用 Claude,但我还不是这种状态,我基本还是 single thread,或者 at most 也就 3 个 thread 这样子
几百个 agent 不是靠人同时盯几百条线程,而是把大部分任务交给自动化流程,人只看关键节点和结果。
- 如果我的本职工作和要放大的事业关系不大,该怎么选那一头?
先判断哪一头有更大的放大空间,再把稳定的一头当底座、把可放大的一头当主攻;不必平均用力,也不必立刻辞掉本职。
- 我在自建中台软件,涉及到知识库和知识台两部分,知识库采用那种路径更好?是obsian这种,还是mag或grep?
现有材料没有比较 Obsidian、mag 或 grep 这三种知识库路径,无法据此判断哪种更适合你的中台。能确定的是:知识库要服务分叉、引用、结构化资产和过程可观测,而不只是线性记录。
- 我应该如何影响我的其他同事,推进当前的项目
先弄清同事在意什么,再用他们关心的价值切入,而不是只讲自己方案正确。