第 32 章 · 课程总结与学习路线
本章目标：串联本课程六大模块，绘制能力雷达图，明确后续学习路径（Agno / CrewAI / Pi 课程衔接），解答常见问题。
32.1 六大模块串联
本课程围绕构建可靠 AI 编码助手这一目标，覆盖了六个相互支撑的模块：
text
┌─────────────────────────────────────────────────────────────┐
│ Agent 工程基础 │
├──────────┬──────────┬──────────┬──────────┬──────────┬───────┤
│ Prompt │ Harness │ MCP │ Skills │ Loop │AGENTS │
│ 工程 │ 工程 │ 协议 │ 标准 │ Engineering│.md │
│ 01-09 │ 10-15 │ 16-21 │ 22-25 │ 26-29 │30-31 │
└──────────┴──────────┴──────────┴──────────┴──────────┴───────┘
↓ ↓ ↓ ↓ ↓ ↓
写对提示 搭建环境 连接工具 封装能力 自动运行 项目说明各模块核心收获
| 模块 | 核心问题 | 关键产出 |
|---|---|---|
| Prompt 工程 | 如何让模型理解并执行任务？ | 结构化提示、CoT、ReAct、RAG |
| Harness 工程 | 为什么强模型仍会失败？ | 五子系统模型、诊断循环 |
| MCP 协议 | 如何让 agent 安全地使用外部工具？ | Tools/Resources/Prompts 原语、传输层 |
| Agent Skills | 如何封装可复用的任务能力？ | SKILL.md、渐进披露 |
| Loop Engineering | 如何从单次提示升级到自动循环？ | 五大积木、Loop Ready Score |
| AGENTS.md | 如何给项目编写 agent 说明书？ | 标准化说明文件、嵌套优先级 |
32.2 能力雷达图
完成本课程后，你应该能在以下维度自评：
Prompt 设计 ────────● 80%
/ \
/ \
Harness 设计 MCP 集成 ────● 70%
| |
| |
Skills 封装 ───● 75%
| \
| \
Loop 设计 ──────────● 65%
\ /
\ /
AGENTS.md ────● 70%- ● 80%+：能独立设计复杂提示、诊断 harness 缺陷
- ● 70%+：能实现 MCP server、编写高质量技能、设计基础循环
- ● 60%+：理解原理，能在指导下完成实践
32.3 后续学习路线
本课程是「原理与协议层」，建议按以下路径继续深入：
路径 A：框架实战
学完本课后，进入框架课程将理论落地：
| 课程 | 重点 | 与前序知识的衔接 |
|---|---|---|
| Agno | 单 agent + team + workflow | MCP 工具、Skills 封装、Loop 编排 |
| CrewAI | 多 agent 协作 | Skills 自动触发、MCP 集成、循环模式 |
| Pi | 终端编码智能体定制 | AGENTS.md、Skills、Hooks |
路径 B：测试与验证
配合测试课程强化可靠性：
| 课程 | 重点 |
|---|---|
| pytest | 单元测试、fixture、插件开发 |
| Playwright | E2E 测试、网络 Mock、认证复用 |
路径 C：Web 服务
构建 agent 的后端支撑：
| 课程 | 重点 |
|---|---|
| FastAPI | API 开发、安全认证、数据库集成 |
32.4 常见问题 FAQ
Q：我学完了，接下来该用哪个框架？ A：看目标：
- 快速原型 → Pi
- 多 agent 协作 → CrewAI
- 深度定制 + 生产部署 → Agno
Q：Prompt 工程和 Harness 工程有什么区别？ A：Prompt 解决"怎么说"，Harness 解决"在哪说、怎么说、怎么验"。前者是后者的子集。
Q：MCP 和 Skills 有什么关系？ A：MCP 提供通用工具能力（搜索、数据库），Skills 封装特定任务工作流。两者可叠加使用。
Q：Loop Engineering 适合所有项目吗？ A：不适合绿野项目（从零开始）。它最适合已有代码库的持续维护场景。
Q：学完本课程能直接上生产吗？ A：建议配合 Playwright 和 FastAPI 课程，补足测试与后端能力后再部署。
本章小结
- 六大模块覆盖了从提示设计到自动循环的完整链路；
- 能力雷达图帮助你定位当前水平与提升方向；
- 后续可进入框架课程（Agno/CrewAI/Pi）或测试课程（pytest/Playwright）深化；
- 牢记核心原则：失败时先查 harness，再换模型。