资源不求多，求读得完。下面按「先读什么、为什么读」排序，并标注了适合的阶段。
先读这三篇
1. Building Effective Agents（Anthropic）
https://www.anthropic.com/research/building-effective-agents
最适合工程团队的第一篇。核心观点：先用简单的工作流，只有在需要时才用 Agent；把模式分为 prompt chaining、routing、parallelization、orchestrator-workers、evaluator-optimizer。读完能建立「不要过度 Agent 化」的判断力。
2. ReAct（Yao et al., 2022）
https://arxiv.org/abs/2210.03629
理解 Agent 循环的起点。重点看：推理与行动如何交替、工具观察如何回填、在 HotpotQA/ALFWorld 上的实验设计。今天看实现已过时，但思想仍是基础。
3. Lost in the Middle（Liu et al., 2023）
https://arxiv.org/abs/2307.03172
解释为什么「窗口够大」不等于「信息能被用上」。关键信息放在长文本中间时，模型表现明显下降。这篇会改变你对上下文工程的看法。
论文清单
推理与提示
| 论文 | 年份 | 为什么读 |
|---|---|---|
| Chain-of-Thought Prompting | 2022 | 思维链的起点，理解「展开推理」的作用与边界 |
| Tree of Thoughts | 2023 | 多分支搜索与回溯，适合规划问题 |
| Self-Refine | 2023 | 自我批评与迭代改进，注意它的适用条件 |
| Reflexion | 2023 | 带记忆的失败反思，跨尝试学习 |
工具与行动
| 论文 | 年份 | 为什么读 |
|---|---|---|
| Toolformer | 2023 | 模型如何学习何时调用工具 |
| ReAct | 2022 | 推理 + 行动的基本循环 |
| WebGPT / WebArena | 2022 / 2023 | 浏览器 Agent 的能力与评测 |
| OSWorld | 2024 | 计算机使用的真实基准与失败分析 |
检索与知识
| 论文 | 年份 | 为什么读 |
|---|---|---|
| RAG | 2020 | 检索增强生成的开篇，理解基本假设 |
| Self-RAG | 2023 | 让模型判断何时检索、结果是否有用 |
| GraphRAG | 2024 | 实体关系与全局摘要，理解适用边界 |
| Lost in the Middle | 2023 | 长上下文的位置偏差 |
多智能体与协作
| 论文 | 年份 | 为什么读 |
|---|---|---|
| AutoGen | 2023 | 多 Agent 对话框架的设计空间 |
| Multi-Agent Debate | 2023 | 辩论提升判断质量的条件与成本 |
| AgentBench | 2023 | 多环境 Agent 评测，理解「会聊天 ≠ 会行动」 |
安全与评估
| 论文/报告 | 为什么读 |
|---|---|
| OWASP Top 10 for LLM Applications | 提示注入、数据泄露、供应链等风险清单 |
| Indirect Prompt Injection（Greshake et al., 2023） | 间接注入的真实攻击面 |
| AgentDojo / InjecAgent | 注入攻击与防御的基准 |
| HELM / Inspect | 评估方法与可复现实验 |
官方文档
| 主题 | 链接 |
|---|---|
| MCP 规范 | https://modelcontextprotocol.io |
| A2A 协议 | https://a2a-protocol.org |
| OpenAI Agents SDK | https://openai.github.io/openai-agents-python/ |
| Claude Agent SDK | https://docs.claude.com/en/api/agent-sdk/overview |
| LangGraph | https://langchain-ai.github.io/langgraph/ |
| Pydantic AI | https://ai.pydantic.dev |
| Mastra | https://mastra.ai |
| CrewAI | https://docs.crewai.com |
| LlamaIndex | https://docs.llamaindex.ai |
| Cloudflare Agents | https://developers.cloudflare.com/agents/ |
| Cloudflare Workflows | https://developers.cloudflare.com/workflows/ |
| Cloudflare Vectorize | https://developers.cloudflare.com/vectorize/ |
| Cloudflare AI Gateway | https://developers.cloudflare.com/ai-gateway/ |
文档比论文更新快，涉及 API 细节以文档为准。
基准与评测
| 基准 | 测什么 | 注意 |
|---|---|---|
| SWE-bench | 真实仓库修 bug | 看 Pass@k 与 Pass^k，注意污染 |
| WebArena | 浏览器任务 | 环境稳定性影响分数 |
| OSWorld | 桌面操作 | 长任务累积误差 |
| GAIA | 通用助理任务 | 需要工具与多步推理 |
| τ-bench | 客服/工具使用 | 关注政策遵循与用户模拟 |
| AgentBench | 多环境综合 | 看分项，不只看总分 |
公开基准用来了解能力边界，不能代替你自己的黄金集。
工具
可观测与评估
- Langfuse https://langfuse.com
- Arize Phoenix https://phoenix.arize.com
- Ragas https://docs.ragas.io
- Inspect https://inspect.aisi.org.uk
- Braintrust https://www.braintrust.dev
模型服务与网关
- LiteLLM https://docs.litellm.ai（统一多家模型接口）
- vLLM https://docs.vllm.ai（自托管推理）
- OpenRouter https://openrouter.ai（多模型路由）
应用与编排
- Dify https://dify.ai
- n8n https://n8n.io
- Flowise https://flowiseai.com
数据与检索
- pgvector https://github.com/pgvector/pgvector
- Qdrant https://qdrant.tech
- Milvus https://milvus.io
- Docling https://github.com/docling-project/docling（文档解析）
- Unstructured https://unstructured.io
书
- AI Engineering（Chip Huyen, 2025）：从模型到应用的系统视角，适合工程师建立全景。
- Designing Machine Learning Systems：传统 ML 系统设计，很多原则仍然适用。
- Building LLM Powered Applications：偏实践，适合快速上手。
怎么读论文
- 先读摘要与结论：它解决什么问题，结论是什么；
- 看方法图：输入、输出、关键模块；
- 看实验设置：数据集、基线、指标是否公平；
- 看局限：作者自己承认什么，没说什么；
- 问自己：这个方法在我的场景里，成本/收益如何？
不要为了「读完」而读。带着一个具体问题去读，收获最大。
学习顺序建议
text
第 1 周：Building Effective Agents + ReAct
第 2 周：Lost in the Middle + 上下文工程实践
第 3 周：RAG + Self-RAG
第 4 周：工具调用 + MCP 规范
第 5 周：评估（Inspect / Ragas）+ 自己的黄金集
第 6 周：安全（OWASP + 间接注入）
第 7 周：多 Agent（AutoGen / 辩论）+ 成本对比
第 8 周：做一个完整项目并复盘社区与信息源
- Hacker News（搜索 Agent / LLM 讨论）
- arXiv cs.AI / cs.CL（按关键词订阅）
- 各大厂商工程博客（OpenAI、Anthropic、Google、Cloudflare）
- GitHub Trending（Agent 框架与工具）
- 本地社区/会议（看真实落地案例，而非演示）
最后
资源会过时，方法不会。优先掌握：
- 如何判断该不该用 Agent；
- 如何设计工具与上下文；
- 如何评估与调试；
- 如何控制权限、成本与失败。
这四件事，换任何模型、任何框架都用得上。