一位Google高级工程师悄悄放出了一份424页的文档，Twitter炸了。

原帖作者说了一句话：“This isn’t a blog post. It’s a curriculum. And it’s free.”

这不是博客，是课程。而且免费。

我花了一下午把这份文档啃完，发现一个残酷的事实：

市面上那些几千块的AI Agent课程，内容可能还不如这份免费PDF的一个章节。

今天，我把这份「AI Agent设计模式圣经」的21章内容拆解给你，帮你划出5个最值得学的重点。

这份文档从哪来的？

作者叫Antonio Gulli，Google高级工程师。

不是什么KOL，不是卖课的，就是一个在一线写代码的工程师。

他把自己在Google做AI Agent的经验，整理成了一份424页的PDF，配套50多个Jupyter Notebook。

每一章都有可运行的代码。

不是伪代码，不是截图，是你clone下来就能跑的notebook。

技术栈覆盖了目前主流的三大框架：

• Google ADK（Google自家的Agent开发套件）
• LangChain/LangGraph（开源社区最火的）
• CrewAI（多Agent协作专用）

换句话说，不管你用什么技术栈，这份文档都能用。

21章全景图：从入门到生产级

先看完整目录，我按难度分成了三个阶段：

基础篇（Ch1-6）：单Agent能力

章节	内容	一句话解释
Ch1	Prompt Chaining	把复杂任务拆成多个prompt串联
Ch2	Routing	根据输入自动选择处理路径
Ch3	Parallelization	多个任务并行执行
Ch4	Reflection	Agent自我检查和修正
Ch5	Tool Use	调用外部工具（搜索、API等）
Ch6	Planning	任务规划和分解

进阶篇（Ch7-15）：多Agent协作

章节	内容	一句话解释
Ch7	Multi-Agent Collaboration	多个Agent如何配合工作
Ch8	Memory Management	短期记忆和长期记忆管理
Ch9	Adaptation	Agent如何自我进化
Ch10	MCP协议	Model Context Protocol，新一代Agent通信标准
Ch11	Goal Setting	目标设定和监控
Ch12	Exception Handling	异常处理和容错
Ch13	Human-in-the-Loop	人机协作机制
Ch14	Knowledge Retrieval	RAG知识检索
Ch15	Inter-Agent Communication	Agent之间如何对话

生产篇（Ch16-21）：企业级部署

章节	内容	一句话解释
Ch16	Resource Optimization	资源和成本优化
Ch17	Reasoning Techniques	推理技术（CoT、Self-correction）
Ch18	Guardrails/Safety	安全护栏，防止Agent失控
Ch19	Evaluation	如何评估Agent表现
Ch20	Prioritization	任务优先级管理
Ch21	Exploration	Agent自主探索能力

看到没有？

从"怎么写prompt"到"怎么防止Agent失控"，全链路覆盖。

这不是入门教程，这是工程师培养手册。

重点1：Multi-Agent协作的5种模式

如果只能学一章，我推荐Ch7。

为什么？因为这是从"Demo级Agent"到"生产级Agent"的分水岭。

单个Agent能做的事有限。真正复杂的任务，需要多个Agent协作。

但问题来了：多个Agent怎么配合？谁指挥谁？怎么分工？

这一章给出了5种经过验证的模式：

1. AgentTool模式
一个主Agent，把其他Agent当工具调用。
适合：有明确主从关系的场景，比如"研究员+写手"。

2. Coordinator模式
一个协调者Agent，负责分配任务和汇总结果。
适合：需要统一调度的场景，比如客服系统。

3. Loop模式
多个Agent轮流处理，直到达成目标。
适合：需要多轮迭代的场景，比如代码review。

4. Parallel模式
多个Agent同时执行不同任务。
适合：任务之间没有依赖的场景，比如并行搜索。

5. Sequential模式
多个Agent按顺序执行，前一个的输出是后一个的输入。
适合：流水线式的场景，比如"调研→分析→写作"。

文档里每种模式都有完整的ADK+Gemini代码实现。

不是概念图，是能跑的代码。

这就是这份文档值钱的地方：它告诉你的不是"可以这样做"，而是"具体怎么做"。

重点2：MCP协议——Agent通信的新标准

Ch10讲的是Model Context Protocol，简称MCP。

这个协议是Anthropic（Claude的母公司）主推的，但有意思的是，Google工程师也在教这个。

说明什么？说明这可能会成为行业标准。

MCP解决的问题是：Agent怎么跟外部世界交互？

以前的做法是：每个工具写一个适配器，Agent调用适配器。

问题是：工具越多，适配器越多，维护成本爆炸。

MCP的思路是：定义一套标准协议，所有工具都按这个协议暴露能力，Agent只需要学会一种调用方式。

类比一下：MCP之于Agent，就像HTTP之于Web。

文档里给了两个完整实现：

• FastMCP Server：怎么把你的服务暴露成MCP接口
• FastMCP Client：Agent怎么调用MCP服务

如果你在做企业级Agent，这一章必看。

因为未来的Agent生态，很可能就是建立在MCP之上的。

重点3：LLM as Guardrail——用大模型管大模型

Ch18是我认为最被低估的一章。

讲的是安全护栏（Guardrails），但方法很有意思：用大模型来给大模型做安全检查。

为什么需要这个？

因为Agent不是ChatBot。ChatBot说错话，最多尴尬一下。Agent执行错误，可能真的造成损失。

比如一个能操作数据库的Agent，如果被注入恶意指令，后果不堪设想。

传统的安全检查是规则匹配：关键词过滤、正则表达式。

问题是：攻击者也在进化，规则永远追不上变化。

这一章提出的方案是：让另一个LLM来判断。

具体怎么做？

1. ADK validate tool

   ：在工具调用前，用一个小模型快速检查参数是否合理

2. LLM as a Guardrail

   ：用一个专门的"安全Agent"审核主Agent的输出

这就像给Agent配了一个"安全顾问"，每个重要决策都要经过它审核。

企业落地Agent，这一章是必修课。

重点4：Memory Management——Agent的记忆系统

Ch8讲的是记忆管理。

这是Agent和ChatBot的核心区别。

ChatBot的记忆通常就是对话历史，聊完就忘。

Agent需要的是真正的记忆系统：记住用户偏好、记住历史决策、记住学到的经验。

文档把记忆分成了两类：

SessionService（会话记忆）
管理单次会话内的上下文。
比如用户说"帮我订明天的机票"，然后说"改成后天"，Agent要记住前面说的是机票。

MemoryService（持久记忆）
跨会话的长期记忆。
比如用户上次说过"我不吃辣"，下次推荐餐厅时要记得。

技术实现上，文档给了几种方案：

• InMemory：最简单，重启就丢失
• Database：持久化存储，适合生产环境
• EventActions：通过事件机制显式更新状态

一个关键洞察：记忆不是越多越好。

Agent需要学会"遗忘"不重要的信息，只保留对决策有用的内容。

这一章的代码，直接拿来就能搭建一个有记忆的Agent框架。

重点5：Reasoning Techniques——Agent的大脑

Ch17讲的是推理技术，这是Agent"聪明"的来源。

不是所有任务都能一步到位。复杂问题需要Agent"想一想"。

文档介绍了三种核心技术：

1. Chain of Thought（思维链）

让Agent把推理过程显式写出来，而不是直接给答案。

就像让学生做数学题时"写出解题步骤"，写出来往往比直接算更准确。

2. Self-correction（自我修正）

Agent执行完一步后，检查结果是否合理，不合理就修正。

这解决了一个常见问题：Agent做到一半发现方向错了，但停不下来。

有了Self-correction，Agent可以"回头是岸"。

3. Google DeepSearch集成

遇到不确定的问题，Agent可以调用Google的深度搜索能力。

这不是普通的搜索，而是会自动总结、交叉验证的搜索。

这三个技术组合起来，Agent的推理能力会有质的提升。

文档里的代码展示了怎么在Google ADK中实现这些技术。

学习路径建议

21章内容很多，不建议从头看到尾。

根据你的目标，我推荐三条路径：

路径A：零基础入门
Ch1（Prompt Chaining）→ Ch5（Tool Use）→ Ch7（Multi-Agent）

学完这三章，你能搭建一个能调用工具、多Agent协作的基础系统。

路径B：进阶提升
Ch8（Memory）→ Ch10（MCP）→ Ch17（Reasoning）

学完这三章，你的Agent会有记忆、能接入外部生态、会推理。

路径C：生产级部署
Ch18（Guardrails）→ Ch19（Evaluation）→ Ch12（Exception Handling）

学完这三章，你的Agent能安全上线、可评估、能容错。

每条路径大概需要一周时间（假设每天2小时）。

建议先走完路径A，再根据实际需求选择B或C。

最后

GitHub地址：
https://github.com/sarwarbeing-ai/Agentic_Design_Patterns

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！