克隆仓库并浏览结构

克隆 `bojieli/ai-agent-book` 仓库到本地，仔细阅读README，了解项目整体结构、书籍章节和实验目录。

重点关注README中的“内容速览”、“如何高效阅读”和“运行配套实验”部分。

配置Python环境

确保本地安装Python 3.11-3.13。推荐使用 `uv` 或 `pip` 在仓库根目录为选定章节安装依赖，例如执行 `uv sync --locked --extra ch1` 安装第一章依赖。

建议从第一章（ch1）开始尝试安装。`uv` 工具能更好地管理依赖和锁文件。

获取API密钥

根据README推荐，申请1-2个平台的API Key（如Kimi、DeepSeek、OpenRouter），用于后续运行需要调用模型的实验。

新手建议先从Kimi或DeepSeek等国内访问稳定的平台开始。

阅读第一章：AI Agent入门

精读 `book/chapter1.md`，理解“Agent = LLM + 上下文 + 工具”核心公式和Harness工程的重要性。

不要急于看代码，先建立概念框架。

运行第一章实验

找到并运行第一章的4个配套实验，亲身体验Agent的基本构成。

严格按照实验目录下的README说明操作。先理解实验目标，再动手跑代码。

循序阅读第2-4章

依次阅读第二章（上下文工程）、第三章（用户记忆和RAG）、第四章（工具使用与MCP协议），这是理解Agent核心组件的关键。

每读完一章，都尝试运行该章的配套实验。结合实验理解书中的设计原则。

深入Coding Agent与评估

阅读第五章（Coding Agent）和第七章（Agent评估），理解代码作为“能创造新工具的工具”的含义，以及如何科学评估Agent。

第五章实验较多（16个），可以选择1-2个核心实验深入。第七章的评估思想对构建可靠Agent至关重要。

探索高级主题（选读）

根据兴趣选读第六章（交互扩展）、第八章（模型后训练）、第九章（持续进化）或第十章（多Agent协作）。

第八章涉及较多机器学习和数学知识，初学者可暂时略过，侧重理解其工程应用思想。

思考题与总结

尝试回答每章末尾的思考题，并参考 `book/reference-answers.md` 进行对照和讨论。

思考题没有标准答案，重点是激发你的设计思考。

构建一个微型Coding Agent

基于第一到五章所学，尝试从头设计并实现一个简单的Coding Agent，实现代码生成、文件操作等基本功能。

可以利用AI辅助编程工具（如Cursor）来加速开发，但核心架构设计要自己完成。

为Agent建立评估集

参照第七章，为你的微型Agent建立一个包含十几个任务的小评估集，并运行评估。

从简单的、可验证的任务开始。

参与社区讨论

在GitHub Issues或Discussions中提出你的问题，分享你的实践心得，或帮助解答他人疑问。

阅读“贡献”指南，了解如何正确提问和参与。