这门课程系统拆解 AI Agent 从概念到工程落地的完整路径：从 LLM 与 Agent 的关系、记忆/规划/工具四大组成，到 CoT、ToT、ReAct、Self-Ask 等规划方法，再到 Generative Agents、AutoGPT、HuggingGPT 等热门应用，最后讨论效率、错误累积、评估等挑战，并延伸到 Prompt Engineering、Context Engineering 与 Harness Engineering 的演进。课程核心价值在于帮你建立清晰的知识地图和工程视角：Agent 不只是“会聊天的模型”，而是大模型、记忆、规划、工具与运行约束共同构成的闭环系统。适合 AI 开发者、产品经理、创业者、研究者，以及希望从大模型应用走向智能体实践的学习者。学完后，你能理解 Agent 的关键组成与规划机制，识别主流框架差异，掌握 Agent 设计中的常见陷阱，并形成“大模型 + Memory + Harness/Infra”的认知框架，为后续开发、选型与深入研究打下基础。