ai-agent-book/docs/ru/LEARNING.md

Советы по обучению

← К оглавлению

Ключевая идея: Агент = Модель + Контекст + Инструменты

Основа книги — формула Агент = Модель + Контекст + Инструменты. Эти три компонента совместно реализуют разумное поведение агента:

• Модель: мозг агента, дающий понимание, рассуждение и принятие решений.
• Контекст: операционная система агента, включающая системные инструкции, историю диалога, процессы рассуждения, записи взаимодействий с инструментами и т. д.
• Инструменты: руки агента, позволяющие воспринимать среду, выполнять действия и взаимодействовать с внешним миром.

Путь обучения

Путь обучения глава за главой соответствует всей книге, слой за слоем раскрываясь вокруг трёх опор:

• Глава 1 · Основы: Выстраивает целостную когнитивную рамку агентных систем — понять определение агента в RL, сравнить различия в эффективности выборки между традиционным RL и парадигмой LLM+RL, освоить новую парадигму «модель как агент» и базовую формулу Агент = Модель + Контекст + Инструменты. Ключевой вывод: важность априорного знания превосходит алгоритмы и среды.

• Главы 2–3 · Контекст: Контекст — операционная система агента. Глава 2 охватывает системные промпты, дружественный к KV Cache дизайн, сжатие контекста и абляции инженерии промптов. Глава 3 — пользовательскую память, плотный/разреженный/гибридный поиск, агентный RAG, контекстное извлечение и структурированное извлечение знаний. Ключевой вывод: полный контекст включает системные инструкции, историю диалога, процессы рассуждения, записи взаимодействий с инструментами, память пользователя и внешние знания.

• Главы 4–5 · Инструменты: Инструменты — мост взаимодействия агента с миром. Глава 4 охватывает три типа MCP-инструментов (восприятие/исполнение/сотрудничество), событийные триггеры и асинхронную архитектуру. Глава 5 подробно разбирает полную реализацию промышленного кодинг-агента. Ключевой вывод: инструменты стоит проектировать универсально (интерпретатор кода лучше калькулятора); код — это мета-способность создавать новые инструменты.

• Главы 6–7 · Модель: Как измерять и усиливать интеллект. Глава 6 охватывает бенчмарки оценки — Terminal-Bench, SWE-bench, GAIA, OSWorld, Tau2-Bench. Глава 7 — техники постобучения: SFT, RL, RLHF и эффективность выборки. Ключевой вывод: независимый сигнал проверки надёжнее, чем «попросить модель подумать ещё раз»; «модель как агент» через RL внедряет вызов инструментов как врождённую способность.

• Глава 8 · Самоэволюция: Позволяет агентам расти на опыте без изменения весов — обучение на опыте, экстернализация рабочих процессов в инструменты, дистилляция промптов и наблюдений в параметры. Ключевой вывод: обучение на опыте — ключ к переходу агента от «умного» к «умелому».

• Главы 9–10 · Расширение и сотрудничество: Глава 9 расширяет восприятие и действие с текста на речь, GUI и физический мир. Глава 10 использует разделение труда между агентами для сложных задач. Ключевой вывод: каждое проектное решение в мультиагентной системе находит аналог в трёх элементах одиночного агента.

Разделение текста и экспериментов

Книга не является пошаговым руководством по одному SDK. Короткий псевдокод и скелеты показывают поток состояния, точки остановки и границы проверки; эксперименты содержат полные реализации, адаптеры, тесты, журналы и доказательства.

Уровень	Сначала прочитать	Пока пропустить	На какой вопрос отвечает
Starter	README проекта: цель, минимальная команда и критерии приёмки; соответствующий skeleton в тексте	учётные данные, интерфейс, адаптеры провайдеров и длинные необработанные журналы	Какой механизм должен показать этот эксперимент?
Builder	точка входа, основной цикл, схема состояния/сообщений, инструменты и проверяющий модуль	слои совместимости и развёртывания, не относящиеся к механизму	Какая переменная изменила поведение?
Maintainer	тесты, обработка сбоев, формат доказательств, manifest/hash и путь отката	детали сторонних компонентов, нужные только при изменении эксперимента	Воспроизводим ли результат и честно ли записаны сбои?

Уровни сложности

• Начальный (главы 1–2): для новичков, понимание базовых понятий.
• Средний (главы 3–4): нужна база в программировании, затрагивает интеграцию систем.
• Продвинутый (главы 5–6): нужны сильные навыки программирования, сложное проектирование систем.
• Экспертный (главы 7–8): нужен опыт глубокого обучения и обучения/самоэволюции.
• Прикладной (главы 9–10): комплексное применение предыдущих знаний для создания практических приложений.

Практические советы

1. Практика руками: каждый проект рассчитан на самостоятельный запуск. Рекомендуется запускать и модифицировать код самому.
2. Совмещайте с книгой: читайте соответствующие главы в каталоге book-ru/ (русский) или book/ (китайский оригинал) этого репозитория, чтобы понять связь теории и практики.
3. Сравнение экспериментов: многие проекты включают абляции и сравнительные эксперименты. Углубляйте понимание через сравнение.
4. Постепенное обучение: начинайте с простых проектов и постепенно углубляйтесь в сложные системы.
5. Внимание к протоколам: проект MCP-сервера в главе 4 демонстрирует стандартизированные протоколы инструментов — ключ к построению масштабируемых агентов.