先读这一句：本站不复制原教程全文，只提供「学习路径 + 要点提炼 + 动手任务 + 时效性审计」，每节都保留原文链接。 遇到与原文冲突的地方，以站内审计标记和官方文档为准；标注「待核实」的内容请自行核对。
8 个阶段，从概念到能跑起来
阶段之间是递进关系，但不必严格按顺序：有 Python 基础可以直接从阶段 5 开始，做产品的可以从阶段 6 切入。
认知地图
先搞清楚 Agent 到底是什么、由哪些部件组成、术语在说什么。不写代码，但决定后面学得顺不顺。
模型与提示
LLM 如何生成、多模态能做什么、提示词为什么有效、Token 如何计费——Agent 的能力边界都在这里。
推理、知识与上下文
CoT / ReAct / 规划、向量检索与 RAG、上下文预算。解决「模型不知道」和「想不清楚」两类问题。
架构与工具选型
六种 Agent 架构、平台/框架/库的差别、工作流与自主 Agent 的边界。先选对形态，再谈实现。
亲手构建
不依赖框架，用 Python 写出 Agent 循环、工具调用、记忆与最小 RAG。这一阶段决定你是「会用」还是「会造」。
框架与平台
LangChain 1.x、LangGraph、CrewAI、Deep Agents、Dify、n8n、GraphRAG。学会在正确场景选正确的工具。
前沿产品与工程范式
Vibe Coding、Harness / Loop Engineering，以及 OpenClaw、Pi、Hermes 等终端与桌面 Agent。看清趋势，也看清权限风险。
多智能体、生产化与扩展
多 Agent 协作、MCP / Computer Use、评估与安全、生产部署，以及微调与 3D 这类扩展场景。
对照原文目录：原文左侧栏是 3 组 48 项（教程首页 + 47 章），本站全部收录，但按 8 阶段重排。 查看保留原序的全部目录 →
第二门课 · DeepSeek Harness：33 节，正式文档风格，从安装、插件、能力三角色一路读到沙箱审批与事故复盘。 进入学习手册 →
找工具或关键词：13 个框架 + 8 个工具的选型矩阵； 或直接用 全文搜索 定位到小节和句子。
先处理这 3 个问题，再照抄代码
审计覆盖全部 47 节，每条都带影响范围、严重程度与优先级。这里是优先处理清单的前三项。
P0 · 环境配置章节
原文仍在用 initialize_agent、text-davinci-003、gpt-3.5-turbo 与 langchain.llms 旧导入。照抄大概率直接报错，且示例模型已退役或进入 legacy。
P0 · 多智能体章节
AutoGen 示例是 0.2 时代的 autogen.AssistantAgent + llm_config，当前稳定版是 autogen-agentchat 0.7.x，导入与构造方式都已改变。
P1 · 框架与 RAG 示例
LangChain 1.x 主推 create_agent，旧 AgentExecutor 属于 legacy；RAG 示例的 langchain.text_splitter 已拆到独立包 langchain-text-splitters。
学习方式建议：每节先看「目标」和「前置」判断要不要学，再读「要点」，然后必须做「动手」—— 只看不做的通过率接近零。做完用「自检」的两问自查，答不上来就回到要点。最后的「标记完成」只存在本机浏览器。