Agent 技术体系总览
所属知识库：Agent 全栈技术地图
所属领域：00 · Agent 技术体系是什么？ - Overview
文档类型：知识库首页 · 研究框架 · 内容导航
版本：v1.1
更新日期：2026 年 10 月 26 日
一、研究背景与目标
随着大语言模型、多模态模型及相关技术的发展，人工智能正在从以信息理解和内容生成为主的应用形式，逐渐扩展到能够使用工具、执行任务、管理工作流程并与外部环境交互的智能体系统。
在这一过程中，Agent 相关技术形成了一个涉及多个领域的技术体系。从底层的 AI 模型，到单个 Agent 的能力与行为机制，再到完整 Agent System 的运行架构，以及面向多个 Agent 的通用开发与管理平台，各个领域既相互关联，又具有不同的研究对象和技术边界。
与此同时，Agent 领域的技术术语、开发框架和架构方案仍在持续演进。Agent、Agent Runtime、Agent Harness、Agent Framework、Agent System、Agent Platform 等概念经常出现在不同技术文档中，其定义和使用范围并不总是一致。
因此，有必要建立一套结构清晰、边界明确、能够持续更新的 Agent 技术知识体系，将分散的技术概念、运行原理、架构设计和工程实践组织起来。
本知识库的核心目标是：
以 Agent 为中心，系统研究其依赖的 AI 技术、内部能力、系统架构和平台化实现方法，逐步建立从技术理解到系统设计，再到实际开发的完整能力。
具体包括三个方面：
- 建立技术认知：理解 Agent 相关技术的基本概念、运行原理、能力边界及相互关系，形成系统化的知识结构。
- 掌握架构设计：理解 Agent、Agent System 和 Agent Platform 的组成与设计方法，能够根据实际需求分析技术方案并进行架构设计。
- 支持开发实践：将理论研究转化为可执行的技术方案，逐步具备设计、开发、测试、部署和维护 Agent 系统与平台的能力。
本知识库既是持续学习和研究的记录，也是后续技术选型、系统设计与产品开发的参考依据。
二、整体技术研究框架
本知识库采用以下研究路径：
AI → Agent → Agent System → Agent Platform
这条路径从智能能力的基础技术出发，逐步延伸至智能体、完整软件系统和通用平台。
| 研究领域 | 核心研究问题 | 主要研究内容 |
|---|---|---|
| 01 · AI | 人工智能如何提供智能能力？ | AI 基础、模型架构、模型工程、知识检索 |
| 02 · Agent | 如何让 AI 围绕目标进行判断与行动？ | Agent 定义、内部能力、运行机制、设计与开发 |
| 03 · Agent System | 如何构建能够完成任务的 Agent 软件系统？ | 系统架构、执行引擎、编排协作、工程保障 |
| 04 · Agent Platform | 如何构建通用的 Agent 开发与管理平台？ | 平台技术架构、产品功能、生命周期管理、工程实践 |
四个研究领域分别对应不同的技术视角。
AI 研究智能能力。 重点理解模型如何工作、如何提供服务，以及开发者如何使用模型能力。
Agent 研究智能执行单元。 重点理解如何围绕目标组织模型、指令、上下文、工具和执行机制，使其能够参与实际任务。
Agent System 研究完整软件系统。 重点理解如何将 Agent 与运行环境、模型服务、工具、状态管理、任务编排及工程能力组织起来。
Agent Platform 研究通用平台。 重点理解如何将 Agent 的创建、配置、运行和管理能力抽象为可复用的技术服务与产品功能。
需要说明的是，这是一套面向学习与开发的研究框架，而非行业统一的技术分层标准。四者之间存在依赖、组合与交叉关系，并不构成严格的包含结构。
三、知识体系的整体结构
整个知识库由六个板块组成，包括一个技术体系总览、四个核心研究领域和一个常见问题知识库。
Agent 全栈技术地图
│
├── 00 · Agent 技术体系是什么？ - Overview
│ ├── 00 · Agent 技术体系总览
│ ├── 01 · AI、Agent、Agent System、Agent Platform 有什么区别？
│ ├── 02 · 四者之间是什么关系？
│ ├── 03 · 整个 Agent 技术体系由什么构成？
│ └── 04 · 如何系统学习和研究 Agent 技术？
│
├── 01 · AI
│ ├── 01 · 什么是 AI？它是如何发展的？ - Fundamentals
│ ├── 02 · AI 模型是如何构建和工作的？ - Model Architecture
│ ├── 03 · 如何使用和管理 AI 模型？ - Model Engineering
│ └── 04 · AI 如何获取和利用外部知识？ - Knowledge & Retrieval
│
├── 02 · Agent
│ ├── 01 · Agent 是什么？它如何工作？ - Fundamentals
│ ├── 02 · Agent 的能力由哪些部分构成？ - Internal Architecture
│ └── 03 · 如何设计、构建和测试 Agent？ - Development & Practice
│
├── 03 · Agent System
│ ├── 01 · Agent System 是什么？它如何工作？ - Fundamentals
│ ├── 02 · Agent System 是如何构建和运行的？ - Technical Architecture
│ └── 03 · 如何让 Agent System 稳定、安全、可控地运行？
│ - Engineering & Governance
│
├── 04 · Agent Platform
│ ├── 01 · Agent Platform 是什么？它如何工作？ - Fundamentals
│ ├── 02 · Agent Platform 是如何构建和运行的？ - Technical Architecture
│ ├── 03 · Agent Platform 应该提供哪些产品功能？ - Product Architecture
│ └── 04 · 如何开发、部署和维护 Agent Platform？ - Engineering & Practice
│
└── 05 · 常见问题 - FAQ
├── Q1 - 什么是 Agent Harness，跟 Agent System 有什么区别？
└── Q2 - DeepSeek Harness Super-agent 论文研读各板块内部继续采用问题导向的目录组织方式。每个专题对应一个明确的研究问题，具体技术页面则通过编号与英文术语建立稳定的知识索引。
四、各研究领域的内容与边界
4.1 AI：智能能力的技术基础
AI 板块负责建立 Agent 开发所需的人工智能基础知识。
研究内容包括人工智能基本概念、神经网络与 Transformer、大语言模型、多模态模型、模型训练与推理，以及模型 API、Prompt Engineering、Function Calling、Embedding 和 RAG 等技术。
本板块重点回答：Agent 所使用的智能能力从哪里来，这些能力如何工作，开发者又该如何调用和利用它们？
研究范围以 Agent 开发需求为边界，不以完整覆盖人工智能学科或自主训练基础模型为目标。
4.2 Agent：智能体的结构、能力与行为
Agent 板块负责研究单个智能体的基本原理、内部结构和设计方法。
研究内容包括 Agent 的定义、类型、生命周期，以及身份与角色、模型、指令、上下文、记忆、知识、工具、技能、规划和权限等能力主题。
本板块重点回答：如何将模型能力与任务目标、执行机制及外部环境交互结合起来，构建能够完成实际任务的 Agent？
研究对象以单个 Agent 的逻辑与行为为主。涉及完整系统运行环境、任务编排和工程保障的内容，则进入 Agent System 板块。
4.3 Agent System：系统架构与工程能力
Agent System 板块负责研究一个或多个 Agent 如何构成完整的软件系统。
研究分为三个部分：系统基础概念、纵向技术架构和横向工程能力。
纵向技术架构采用六层参考模型：
| 编号 | 技术领域 |
|---|---|
| L1 | Infrastructure |
| L2 | Platform Services |
| L3 | Model Services |
| L4 | Agent Engine |
| L5 | Orchestration & Collaboration |
| L6 | Application |
横向工程能力采用十二个研究领域：
| 编号 | 技术领域 | 编号 | 技术领域 |
|---|---|---|---|
| H1 | Observability | H7 | Reliability |
| H2 | Security | H8 | Resource Management |
| H3 | Evaluation | H9 | Data Governance |
| H4 | State Management | H10 | Testing & Validation |
| H5 | Configuration | H11 | Deployment & Operations |
| H6 | Human-in-the-Loop | H12 | Policy & Governance |
本板块重点回答：Agent 如何在完整的软件系统中运行、协作，并获得必要的安全性、可靠性、可观测性与工程保障？
六层纵向架构和十二个横向能力域属于本知识库采用的参考研究模型，不代表所有 Agent System 都必须包含相同数量的独立组件或服务。
4.4 Agent Platform：平台架构与产品化实现
Agent Platform 板块负责研究如何构建通用的 Agent 开发、运行和管理平台。
研究内容分为四个部分：平台基础概念、平台技术架构、平台产品功能和工程实践。
其中，平台技术架构采用 P1–P12 十二个研究主题，涵盖 Control Plane、Execution Plane、Agent Registry、Agent Development Services、Deployment & Runtime Management、Workflow Management、Resource & Integration、Platform API & SDK、Extensibility & Ecosystem、Platform Data & Assets、Multi-tenancy & Isolation 和 Platform Governance。
平台产品功能采用 F1–F12 十二个研究主题，涵盖 Agent 创建、配置、开发与测试、发布与共享、工作空间、执行、协作、监控、管理、产物交付、开发者集成和平台管理。
本板块重点回答：如何将 Agent 的开发、运行与管理能力抽象为通用技术服务，并通过产品功能提供给用户？
技术架构与产品架构分别研究后台能力和用户可使用的功能，两者存在对应关系，但不应直接等同。
五、研究方法与知识组织原则
本知识库采用问题导向、分层研究、理论与实践结合的方式组织内容。
5.1 问题导向
每个研究专题围绕一个明确的问题展开，而不是单纯按照技术术语进行罗列。
例如：
L4 · Agent 如何被驱动并持续执行任务？ - Agent Engine
这一专题以 Agent 的执行机制为研究问题，进一步研究 Agent Runtime、Agent Harness、Agent Loop 等相关概念与技术实现。
5.2 分层研究
同一个技术概念可能出现在不同研究领域，但各领域应当具有不同的研究重点。
例如，Model 在 AI 板块中研究模型的架构、训练与推理，在 Agent 板块中研究 Agent 如何使用模型，在 Agent System 板块中研究模型服务的接入、管理与运行。
通过区分研究对象与职责，避免知识内容重复。
5.3 统一文档结构
每篇技术研究文档原则上围绕以下问题组织：
- 是什么？ 定义、基本概念和边界。
- 为什么需要？ 技术背景、作用与价值。
- 如何工作？ 内部机制、架构和执行流程。
- 如何实现？ 关键技术、开发方式与实践案例。
- 如何判断？ 适用场景、技术限制、评价方式与设计取舍。
不同类型的专题可以根据研究内容调整结构，不要求机械地使用相同章节。
5.4 研究结论与证据
技术研究应尽可能结合官方文档、学术论文、开源项目、实际代码与实验结果。
对于不同技术框架中存在差异的术语，需要明确其使用语境；对于本知识库自行建立的架构分类，需要与行业标准、官方定义和具体实现方式进行区分。
六、研究路径与阶段目标
整个研究过程按照由基础到应用、由单体到系统、由系统到平台的顺序推进。
| 阶段 | 研究重点 | 预期成果 |
|---|---|---|
| 第一阶段 | AI 基础与模型工程 | 理解模型机制，掌握模型调用和知识检索 |
| 第二阶段 | Agent 结构与开发 | 能够设计、开发和测试单个 Agent |
| 第三阶段 | Agent System 架构 | 能够设计和构建完整的 Agent 软件系统 |
| 第四阶段 | Agent Platform 开发 | 能够设计通用平台的技术架构和产品功能 |
这是一条推荐的研究路径，不要求所有专题严格按照顺序完成。实际学习中，可以根据项目需求进入特定技术主题，再补充必要的基础知识。
七、Overview 专题导航
本板块下设四篇核心研究文档，分别负责建立概念体系、架构关系、技术全景和学习路线。
| 编号 | 文档 | 研究目标 |
|---|---|---|
| 01 | AI、Agent、Agent System、Agent Platform 有什么区别？ - Definitions | 明确四个研究对象的定义、特征和边界 |
| 02 | 四者之间是什么关系？ - Architecture Relationships | 研究技术依赖、架构关系与运行关系 |
| 03 | 整个 Agent 技术体系由什么构成？ - Technology Landscape | 建立完整的技术架构与知识地图 |
| 04 | 如何系统学习和研究 Agent 技术？ - Learning Roadmap | 规划学习顺序、研究方法与实践目标 |
建议先阅读 Definitions，建立统一的概念基础；再阅读 Architecture Relationships 和 Technology Landscape，理解整个技术体系的组织方式；最后通过 Learning Roadmap 规划具体的学习与开发路径。
八、预期研究成果
本知识库希望逐步形成一套能够持续积累、检索和复用的 Agent 技术知识资产。
知识层面：建立清晰的概念体系、技术分类、研究文档和关联知识网络。
设计层面：形成可参考的 Agent 设计方法、系统架构模型、技术选型依据和平台产品设计方案。
工程层面：通过实际开发与测试，验证关键技术原理，逐步形成能够运行和持续维护的 Agent 系统与平台。
最终目标是实现从理解技术、分析架构、设计系统到开发产品的完整研究与实践闭环。