读懂 AI 智能体。

AiAgentNook 用平实的语言讲清 AI 智能体——它们是什么、如何评判、以及如何自己动手构建。这些指南只是开始：模型对比、成本分析等更多内容正在路上。

浏览指南

从这四篇
基础指南开始

发布于新加坡 · 每周更新

快速自测 · 你需要 AI 智能体吗？

图 00 — 自动化和机器人给出同样的答案；只有智能体自己做选择

指南库

从十篇指南开始

AiAgentNook 像一本好的实战手册那样讲解 AI 智能体——有出处、有日期、按你真正需要的顺序排列。这十篇是根基；模型对比、价格与效率分析等更多内容还会陆续加入。

一个足够精确、真正有用的定义：模型在自己控制的循环中调用工具——以及为什么这种自主性是成本，而不是卖点。

教科书式的分类、从业者实际在用的"工作流还是智能体"之分，以及塑造每种类型的环境。

成功率、公开基准测试，以及搭建自己的评估套件——在信任一个智能体之前，如何确认它真的管用。

上线一个智能体的操作顺序：任务、基线、工具、循环、评估、护栏——以及为什么这个顺序本身就是安全机制。

把上下文窗口当作工作记忆、用 RAG 获取知识、用外部存储保存长期状态——以及每种方案何时才值得它的复杂度。

函数调用、模型真正能看懂的工具说明，以及模型上下文协议（MCP）——智能体如何接触外部系统。

编排者–工作者模式、并行子智能体能带来什么、约 15 倍的 token 成本，以及没人做预算时想到的协调失败。

直接与间接提示注入、"致命三要素"、失控循环、悄然漂移——以及应对每一种问题的护栏。

为什么 token 账单会随每次循环成倍增长——单个智能体约是一次聊天的 4 倍，多智能体约 15 倍——以及控制成本的手段。

LangGraph 和 OpenAI Agents SDK 实际增加了什么、抽象层会让你付出什么代价，以及框架何时才值得使用。