项目动机做这个项目的动机很简单作为一名Java佬想转型做 AI Agent。但我不想学完 Python 再开始我想用我最熟悉的语言直接上手。一步一步去拆解AI Agent标准的开发范式于是我边学边做把这个过程做成了开源项目如果你也是 Java 背景、也想搞清楚 AI Agent 到底是怎么构建的这个项目就是为你做的⭐ 如果对你有帮助欢迎 Star。https://github.com/xieqiyong/agentscope-coding-agentgithub项目方式边学边做把学习 AI Agent 的过程沉淀成一个开源项目。适合谁看你有 Java 背景你想理解 AI Agent 到底是怎么构建的你希望通过项目实践来学习而不是只停留在概念层面。本路线面向希望从零构建生产级 Coding Agent Runtime 的工程师。主线是能跑通 → 能治理 → 能上生产。每个阶段都可独立实践再逐步组合成完整系统。阶段主题核心目标1Agent Loop 基础理解 ReAct 循环、工具调用与事件流2RAG 与记忆基础文档检索、短期记忆、摘要与长期记忆候选3工具调用可观测通过结构化事件和 SSE 实时展示运行过程4文件级沙箱限制 workspace 内读写拦截路径逃逸、敏感文件和 symlink5SessionKey / AgentState区分外部上下文恢复与内部 checkpoint 恢复6运行状态机建模 Agent 生命周期和合法流转7记忆系统产品化长期记忆审核、冲突处理与注入治理8权限治理建立 allow / ask / deny 策略9命令级沙箱安全执行 Bash支持流式输出、超时和危险命令拦截10Checkpoint Pending Action用户确认后恢复挂起执行断线后恢复现场11回滚与补偿文件快照、多文件事务与失败恢复12多 Agent / 计划型 AgentPlan、Observe、Execute、Review 等 Agent 编排13产品化治理审计、限流、fallback、workspace 管理与前端体验二、阶段 1-3先跑通 Agent Loop阶段 1Agent Loop 基础**Agent Loop 模型推理 → 工具调用 → 工具结果 → 再次模型推理。**这是 Coding Agent 的心脏后续能力都建立在它之上。理解 ReActReasoning 与 Acting 交替执行。掌握工具注册schema、description、parameters、tools 注入方式。设计事件流模型开始、token 增量、工具调用、工具结果、最终回答。用 SSE 将运行过程实时推送给前端。**实践目标**实现最小 ReActAgent注册 23 个测试工具并通过 SSE 展示完整过程。阶段 2RAG 与记忆基础短期记忆解决当前会话上下文摘要压缩解决 token 限制长期记忆解决跨会话稳定事实存储。搭建文档处理流水线上传、解析、切分、embedding、向量入库。实现检索系统向量检索、关键词检索、混合检索与 rerank。评估检索效果关注召回率与准确率。实现短期记忆、滑动窗口、摘要记忆和长期记忆候选提炼。阶段 3工具调用可观测模型不负责渲染 UI模型只触发工具Runtime 产生结构化事件前端根据事件稳定渲染。定义事件TOOL_CALL_START、TOOL_CALL_DELTA、TOOL_RESULT_DELTA、TOOL_CALL_DONE、MODEL_DELTA、RUN_DONE、RUN_ERROR。前端展示工具轨迹、文件变更摘要和可恢复 timeline。为每个工具调用分配 trace ID记录耗时、入参、返回值形成调用链。三、阶段 4-6建立安全边界和可恢复运行阶段 4文件级沙箱沙箱不是信任模型而是限制爆炸半径。核心是最小权限原则的工程实现。文件工具LS、Read、Glob、Grep、Write、Edit、WebSearch。路径安全绑定 workspace root规范化路径拦截路径逃逸。symlink 防护跟踪并阻断通过软链接跳出沙箱。敏感文件保护.env、私钥、系统配置等黑名单与审计告警。变更管理unified diff、单文件最小回滚、文件操作审计日志。阶段 5SessionKey / AgentState恢复方式适用场景特点外部上下文恢复聊天续聊、记忆注入简单、可审计、可控但不能恢复 loop 内部现场内部 checkpoint 恢复中断后继续、用户确认后恢复接近 runtime snapshot但要避免恢复到非法状态外部上下文包括 conversation_messages、conversation_summaries、memory_entries。AgentState 可保存 curIter、context、toolContext、permissionContext、pendingToolRecovery。需要设计序列化字段、JSON / Protobuf 格式和 checkpoint 版本兼容。阶段 6运行状态机状态机判断“现在能否继续、暂停、失败、超时、取消”checkpoint 判断“如果能继续要从哪里恢复”。两者缺一不可。状态含义PENDING已创建等待调度RUNNING正在执行 Agent loopWAITING_APPROVAL等待用户确认高危操作COMPLETED / FAILED / TIMEOUT / CANCELLED终态不可继续流转合法流转必须由矩阵控制不能任意改状态。超时计时器、取消信号、工具调用中止都要可控。状态变更要保证原子性处理取消和超时等并发请求。四、阶段 7-9把治理能力补齐阶段 7记忆系统产品化长期记忆一旦注入 system prompt就会持续影响 Agent 行为。必须像管理代码一样管理记忆审核、版本和冲突解决。生命周期候选提炼、审核、入库、更新、失效。冲突检测写入时或注入时发现矛盾记忆。解决策略最新优先、置信度优先、人工仲裁。注入治理格式、注入量、相关性过滤、项目级约束优先级。Coding Agent 专属记忆代码风格、架构约束、用户工作习惯。阶段 8权限治理每个工具操作都要明确allow 直接执行ask 暂停确认deny 直接拒绝并说明原因。权限维度文件、命令、网络、工具级别。策略配置静态策略、动态策略、策略继承。确认流程APPROVAL_REQUIRED → WAITING_APPROVAL → 用户确认或拒绝。防绕过工具执行前强制校验不依赖模型自律。阶段 9命令级沙箱命令执行是 Coding Agent 中风险最高的能力。必须在沙箱内执行不能直接暴露宿主机环境。Bash 工具白名单、黑名单、工作目录限制、环境变量控制、低权限执行。危险命令拦截识别 rm -rf /、chmod 777、curl … | bash、系统路径重定向等。流式输出stdout / stderr 实时返回限制输出大小处理 ANSI 转义码。超时控制命令级、会话级超时以及 SIGTERM → SIGKILL 清理。后台任务管理长运行进程生命周期并持续推送输出。进阶隔离Docker / gVisor、镜像缓存、容器网络限制。五、阶段 10-11补齐可靠性阶段 10Checkpoint Pending Action挂起点是工具执行前的安全暂停位置恢复是从挂起点继续而不是从头重跑。触发时机高危工具调用前、权限不足时。pendingAction 保存工具名、参数、调用 ID、触发原因。用户确认后恢复执行拒绝时将拒绝结果注入上下文由 Agent 继续决策。断线恢复要检查工具是否已执行并用 operation ID 保证幂等。阶段 11回滚与补偿一次 run 可能修改多个文件。任何一步失败都不应留下半成品要么全部成功要么回到执行前。文件快照写操作前备份原始内容设计存储位置、命名和清理策略。单文件回滚工具失败时恢复到执行前状态。多文件事务用 Saga 记录补偿操作失败时逆序补偿。Git 级隔离独立分支、成功合并、失败丢弃、worktree 并发隔离。补偿策略自动回滚、半自动选择、手动回滚工具。六、阶段 12-13扩展为生产系统阶段 12多 Agent / 计划型 Agent单 Agent 适合线性任务多 Agent 适合可并行、需要专业分工的复杂任务。关键挑战是上下文隔离、结果合并和协调一致性。Agent职责Plan Agent拆解用户目标为子任务列表Observe Agent收集信息理解代码库现状Execute Agent执行具体代码修改Review Agent验证变更发现问题Coordinator调度各 Agent 并汇总结果每个子 Agent 拥有独立上下文和独立权限。Plan Agent 输出结构化任务图明确并行和串行依赖。结果合并要处理冲突检测、Review 反馈和最终报告。失败处理要支持局部重试和整体回滚范围控制。阶段 13产品化治理审计记录工具调用、状态变更、权限决策并支持 run 回放。限流与配额限制并发 run、工具调用次数、Token 消耗并处理超限降级。模型 Fallback主模型不可用时切换备用模型并向用户提示。Workspace 管理创建、挂载、销毁、多租户隔离、配额、快照与恢复。错误诊断结构化错误码、友好错误展示、运行报告。前端体验实时进度、工具时间线、追加指令、diff 展示和一键回滚。七、推荐学习节奏阶段重点建议周期1-3先跑通理解核心机制2-3 周4-6补牢基础建立安全边界2-3 周7-9治理提升向生产靠近3-4 周10-11可靠性保障处理异常场景2-3 周12能力扩展解决复杂任务2-3 周13产品化打磨持续迭代持续进行**阶段总结**不要等前一个阶段“完美”才进入下一阶段。每个阶段先完成基础实现形成可运行闭环再回头迭代安全、治理和体验。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】