《AI Agent Book》阅读路线：从原理到可复现实验
用《AI Agent Book》做四周学习项目
把一节上下文课变成有记录的实验和设计判断。
用《AI Agent Book》做四周学习项目知识学习CN编辑简报更新 2026-09-26
你将学会
- 第一周：阅读与追踪
- 第二至三周：受控运行
- 第四周：形成决策
开始前需要
- Python 环境基础
- 运行实时实验时所需的模型服务商账号
把一节上下文课变成有记录的实验和设计判断。
先看结论
- 复现从第一次调用前开始。
- 失败组也要留在记录中。
- 学习价值不要求正面结果。
第一周：阅读与追踪
阅读开篇和上下文指南，查 full 与 no_tool_results 如何组装消息。调用服务商前，先为一个计算器任务写出假设。
固定书的提交、包锁、服务商与模型编号，让后来者知道每条观察究竟属于什么环境和任务版本。
第二至三周：受控运行
用合成任务反复运行每种模式，存原始请求，记录条件检查、正确性、成本和失败。不必要时禁用或隔离代码解释器。
如果某组因服务商访问或缺少证据而失败，应标为不可评价，不要拿模拟通过替换真实结果。
第四周：形成决策
总结工具结果何时有帮助、何时没有，以及样本不能证明什么。再决定自己 Agent 是否需要相同的上下文保留策略。
这是拟议的学习项目，不是已经完成的四周实验。严谨记录的否定结果或不确定结论同样有价值。
如何选择
| 比较维度 | 方案 A | 方案 B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
实施步骤
- 1
固定版本、服务商与假设。
- 2
多次比较合成任务并保存原始轨迹。
- 3
发表有边界的结论和未解问题。
可复制示例
yaml
study:
question: do_tool_results_help
modes: [full, no_tool_results]
data: synthetic
repeats: record-count
conclusion: bounded_to_tasks_and_model常见问题
一定要四周吗？
不必，时间表只是节奏建议，证据标准不变。
能得出通用上下文规则吗？
小样本只支持对应任务和模型的有限结论。
资料来源
- AI Agent Book / README.md来源核查 2026-09-26
- AI Agent Book / chapter1/context/README.md来源核查 2026-09-26
- AI Agent Book / chapter1/context/agent.py来源核查 2026-09-26
- AI Agent Book / chapter1/context/run_experiment_1_1.py来源核查 2026-09-26