“Agent元年”以一个 Agent 公司被数十亿美元收购结束，非常精彩。
Manus 在 2025 年 3 月份内测即爆火，造就了2025年是Agent元年的说法。
“十个月就卖身数十亿”的信息，元旦后肯定会有一波巨大的讨论。
带来的影响肯定方方面面，但至少有下面这一个：2026 年必须去做真·Agent 了。
实际上，很多大厂过去半年已经做了非常多的探索：
我在 7 月份的时候就有预测：今年春节前后，会有一大波 Agent 类应用的爆发。
Manus 数十亿卖身只会加速爆发的到来。
所以，如果你是个从业者或者现在想入行，不懂 Agent 肯定是不行了。
这篇文章，我来试着给大家讲清楚「真正的 Agent 是如何干活的，如何设计一个 Agent 产品」。
我 7 月份隐隐觉察到这个趋势后，10 月份就更新了关于 Agent 的课程内容。
《AI产品经理转岗特训营》的学员们肯定早就不担心这些，并且优势满满、摩拳擦掌的等着热点到来了。
除了教学课程，实训直播还带大家做了一系列关于 Agent 的项目实践：
都有图为证：
SubAgents写PRD
我现在可以更加自信的告诉你，报名《AI产品经理转岗特训营》，不但可以学到真实践、能落地的 AI 产品经理技能，还可以领先一步提前踩中趋势！
添加班主任，了解课程详细内容和实践项目安排。
我们这里说的 Agent，是能够感知环境、自主规划、调用工具、自主决策的大模型应用，不是 Dify、Coze 这类 Workflow 应用。
它们的本质区别是：Agent 里的大模型要干什么，自己说了；智能体里的大模型要干什么，人类编排说了算。
前者是活的（有一定的能动性），后者是写死的（给啥加工啥）。
Agent 能够实现自主行动是基于 ReAct 这个框架，总结下来就是这张图：
大模型之所以能够在 Agent 中实现感知和自主行动，核心基于给 LLM 的系统提示词、工具和上下文的拼接。
Agent 从任务到交付的核心流程如下：
下面是一个写作 Agent 的例子：
但真正的流程并不是简单的 Workflow，而是一个循环：
整个 Agent 的灵魂，就在「循环」这俩字上：
总结下来就是这灵魂三句：LLM make the loop,LLM in the loop,LLM end the loop.
了解了 Agent 的运行原理，具体的设计策略就只剩下规训和帮助模型按既定原理做事了。
核心又回到了前面的三个支撑：
下面是前面那个写作 Agent 的系统提示词的一部分，告诉模型它在实现什么、如何一步一步完成任务：
下面是前面那个写作 Agent 的系统提示词的一部分，告诉模型它有哪些工具、如何调用这些工具：
用户的输入、工具的反馈、模型自己在之前任务步骤中的思考和反馈，都需要拼接进历史对话里
我用 Dify 把以上的写作 Agent 循环给 1:1 搭了出来。
没开玩笑，我用 Workflow 产品搭建了 Agent 出来：
搞明白这个 Dify 的工作流，就没有你开发不了的 Agent 产品了。
报名《AI产品经理转岗特训营》，可以在第六章-第三节的支持文档中下载体验它。
这是一套包含了零基础转岗 AI 产品经理所需技能的“速成课”。
这套课程经过了 2 年 + 7 轮迭代，已经与你求职找工作的路径完全匹配了：
详细的课程大纲和学习计划，可以联系班主任获得。
特训营的实训版本，还提供持续的实际项目拆解、动手练习、路演点评直播带教，已经安排的项目如下：
这些项目是已经被大量同学验证有效的，可以被写进简历，大大增加你的面试机会和通过率！
更多实战安排和成功学员案例，联系班主任了解~
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。