---
title: 'Andrew 的 Agentic AI 课程 30 分钟精讲：三大基石与四种设计模式'
video_id: ftBWgcwvEk4
url: https://youtu.be/ftBWgcwvEk4
title_en: "8 Hour AI Agents Course in 30 Minutes (Deep Learning AI)"
channel: Tina Huang
published: 2025-11-08
duration: "30:23"
topics: [Agent 工程, MCP 与工具调用, 多 Agent 协作]
noted: 2026-07-07
value: A
views: '11.5万'
---


[![封面](https://i.ytimg.com/vi/ftBWgcwvEk4/maxresdefault.jpg)](https://youtu.be/ftBWgcwvEk4)

> Tina Huang · 30:23 · 发布 2025-11-08 · 11.5万次观看(截至抓取) · [观看原视频](https://youtu.be/ftBWgcwvEk4)

> 🔥 观众最高回放 [17:19](https://youtu.be/ftBWgcwvEk4?t=1039) — 用发票日期抽取 agent 的真实案例,讲怎么靠人工抽查十几个样本发现系统性错误、反推出该建哪个 eval。

## 主旨

把 DeepLearning.AI 的 8 小时《Agentic AI》课程(Andrew 主讲)压缩成三大基石与四种设计模式的认知地图。

## 核心论点

1. **判断 agentic AI 不看"是不是 agent"这种二元问题,而看自主度落在哪个区间**——步骤越预定越可控,越放权给 LLM 自选工具越有创造性也越难预判。([[#1-定义与自主度光谱-0126|→ 详解1]])
2. **任何 agentic 系统都能拆成模型、工具、评估三个基石**,评估常被忽视,却是唯一能客观证明系统在变好而非"感觉在变好"的一环。([[#2-三大基石模型工具评估-0445|→ 详解2]])
3. **Reflection(反思)是最简单也最直接见效的设计模式**:让 agent 对自己的初稿二次审视再改进,几乎不增加复杂度就能明显提质。([[#3-reflection反思模式-1225|→ 详解3]])
4. **Tool Use 的关键不是给不给工具,而是有没有讲清楚**;MCP 把"如何给 agent 定义工具"这件事标准化。([[#4-tool-use-与-mcp-1559|→ 详解4]])
5. **评估要先分清"客观/主观"和"有无逐例真值"两根轴**,才知道该写死代码判断还是让 LLM 当裁判。([[#5-评估的-22-矩阵-1925|→ 详解5]])
6. **Planning(规划)模式牺牲可预测性换灵活性**:不预设执行路径,让 LLM 现场想计划再逐步执行。([[#6-planning规划模式-2527|→ 详解6]])
7. **Multi-Agent 系统的收益逻辑跟公司分工一样**:拆成各司其职的子 agent 协作,比一个 agent 包打天下效果更好。([[#7-multi-agent多智能体协作-2700|→ 详解7]])

## 知识点详解

### 1. 定义与自主度光谱 [01:26](https://youtu.be/ftBWgcwvEk4?t=86)

视频开篇给出 agentic AI workflow 的定义:LLM 应用执行多个步骤完成一个任务的过程。作者特意强调不用纠结"这算不算 agent"这种二元判断——只要涉及多步骤就算 agentic AI,重点是它落在自主度光谱的哪个位置。

举例:写一篇关于茶道的文章。低自主度做法是人为固定步骤(先列大纲→判断要不要查资料→写初稿→修订→定稿);高自主度做法是只给 LLM 目标和一组工具(网页搜索、新闻搜索、论文检索),让它自己决定用哪个工具、怎么组织信息、要不要请人复核,直到它自己判断满意为止。

两者输入输出相同,但控制权和可预测性完全不同:低自主度步骤清晰、可控性强;高自主度可能产出超出预期的惊喜结果,但也可能跑偏。作者的结论很直接——不管选哪一档,把 LLM 包在多步骤的 agentic workflow 里,效果一定优于直接单次调用模型。

### 2. 三大基石:模型、工具、评估 [04:45](https://youtu.be/ftBWgcwvEk4?t=285)

Andrew 把 agentic AI 系统的构建拆成三个基石,即Agentic AI 三构件框架:模型(任何 AI 模型,不限于 LLM,也包括图像/音频等多模态模型)、工具(让 agent 能做模型本身做不到的事,比如查邮箱、调数据库、执行代码)。

用客服邮件场景举例:收到"订错货"投诉后,提取关键信息(订单号、错发商品、时间要求)LLM 自己就能做;但去订单数据库核实记录需要"查询"工具,发出回复邮件需要"发邮件"工具——三个步骤对应三种不同的模型+工具组合。

但只有模型和工具还不够:如果 agent 的回复里踩雷提了竞品名字、或者干脆敷衍甩个退款了事,就需要第三个基石——评估,量化"agent 到底做得好不好"。作者给的例子是写代码统计回复里出现竞品名字的次数,把"不该说什么"变成一个可以盯着降到零的客观指标。

### 3. Reflection(反思)模式 [12:25](https://youtu.be/ftBWgcwvEk4?t=745)

第二个模块讲的是四种设计模式里最简单的一个:Reflection 反思模式。类比很直接——让一个人写邮件,他可能因为分心写得潦草;但只要多说一句"回头看看能不能改进",结果通常会好很多,AI 也是一样。

具体做法是:先让 LLM 写初稿,再专门追加一步"反思并改进这份初稿",拿到第二版结果。步骤简单但效果明显,课程也配了可运行的示例代码。

作者特别提醒:这个模式(以及后面的 Tool Use)完全可以用无代码工具实现,课程只是用代码演示,不代表非得会写代码才能落地。

### 4. Tool Use 与 MCP [15:59](https://youtu.be/ftBWgcwvEk4?t=959)

第二个设计模式是 Tool Use 工具使用模式。作者坦言这部分她一开始有点困惑,因为"工具"在讲三大基石时已经出现过;但 Andrew 把它单独列成一个设计模式,是想强调工具用得好能大幅提升 agent 表现。

关键不是"给不给工具",而是"有没有讲清楚"。举例:一个日程助理 agent,得显式给它 make appointment / check calendar / delete appointment 三个工具,并在 system prompt 里告诉它这些工具分别是干嘛的——不然 agent 面对工具本身也一头雾水。

定义工具最简单的方式是直接写函数、通过某个框架(课程用的是 AI Suite)接给 agent;另一条路是 [[MCP]]——Anthropic 开发的协议,标准化"如何给 agent 定义工具",让接入不同工具不用为每个工具单独写胶水代码。

### 5. 评估的 2×2 矩阵 [19:25](https://youtu.be/ftBWgcwvEk4?t=1165)

视频用发票抽取 agent 的真实案例(呼应热力行,观众回看最多的一段)引出"怎么找到该做的 eval":先跑 10-20 个真实样本记录结果,而不是先拍脑袋想 eval。作者发现 agent 老是把发票日期和到期日搞混,才反推出该建一个"日期抽取"eval。

Andrew 把 eval 分成两根轴,合成 Eval 2×2 矩阵。第一根轴是客观 vs 主观:抽取的日期要么等于要么不等于真实日期(客观,能用代码判);研究 agent 写的 essay 好不好很难用代码判(主观,需要 LLM 当裁判去数关键词覆盖率)。

第二根轴是有没有"逐例真值"(per-example ground truth):发票日期这类每个样本答案都不同的叫有逐例真值;"营销文案长度必须小于 10 个词"这种全场景统一标准的叫没有逐例真值。两根轴交叉出四类评估,决定该写死代码判断还是上 LLM-as-judge。

作者给的实操建议很朴素:先 quick and dirty 建几个 eval 就开始跑,多找不同类型的例子覆盖各种错误,然后专挑"agent 表现明显不如人"的地方优先改进。

### 6. Planning(规划)模式 [25:27](https://youtu.be/ftBWgcwvEk4?t=1527)

模块五进入更实验性、更自主的两种模式,第一个是 Planning 规划模式。用客服查库存的例子:"有没有 100 美元以下的圆框墨镜库存"这种问题没有固定查询路径,每次都得现场想怎么查。

规划模式让 LLM 先根据已有工具(查商品描述、查库存、查价格)自己列出解题计划,比如"第一步查圆框款式→第二步筛有库存的→第三步筛价格低于 100",再照着计划逐步执行。

好处是灵活,能处理事先没想到的问题组合;代价是计划本身不是预先定好的,执行前没法预判结果长什么样,调试和预期管理都更难。这跟前面 Reflection/Tool Use"步骤明确、可控性强"正好是两个极端。

### 7. Multi-Agent(多智能体)协作 [27:00](https://youtu.be/ftBWgcwvEk4?t=1620)

模块五的第二个模式是 Multi-Agent 设计模式。类比公司分工:一个人包办所有工作容易被压垮,拆成专精不同环节的人协作,反而整体产出更好。

举例:一个营销团队 agentic 系统,把单一 agent 拆成研究、设计、撰稿三个子 agent。研究 agent 先摸清墨镜的流行趋势和竞品打法,传给设计 agent 出配图方案,再传给撰稿 agent 汇总写成最终报告。

作者提到这块课程讲得比较浅,建议想深入的去看她自己关于 multi-agent 的另一条视频,或读 Anthropic 写的相关文章(链接见简介)。

## 可执行步骤

- [ ] 给自己的 agentic workflow 项目画出"步骤序列"图,判断每一步该由 LLM 直接做,还是需要外接工具
- [ ] 对已有 agent 至少设计一个客观 eval(哪怕只是简单的字段匹配),跑 10-20 个真实样本记录结果
- [ ] 用"客观/主观 × 有无逐例真值"四象限盘点现有 workflow 该用代码判定还是 LLM-as-judge
- [ ] 盘点现有 workflow 的每一步:哪些该保持强控制(reflection/tool use),哪些可以放权给 planning/multi-agent

## 关联

- [[MxyRjL7NG18-Agentic 工作流课/05-Agent 五要素|Nick Saraev·Agent 五要素(PTMRO)]] — 互补 — 两门独立课程都把 tool use/reflection/planning 列为 agent 质量的核心杠杆(独立信源印证同一结论),但覆盖面互补:PTMRO 多出 memory、orchestration 两层本片未提;本片则多出 evaluations 维度与"自主度光谱"框架,PTMRO 没有对应说法。

## 一手来源与延伸

- [DeepLearning.AI Agentic AI 课程 · Chart Generation 实验](https://learn.deeplearning.ai/courses/agentic-ai/lesson/uz37vtiou/ungraded-lab:-chart-generation)
- [DeepLearning.AI Agentic AI 课程 · 给研究流程加组件级 eval 实验](https://learn.deeplearning.ai/courses/agentic-ai/lesson/nae3i1ymg/ungraded-lab:-adding-a-component-level-eval-to-the-research-workflow)
- [DeepLearning.AI Agentic AI 课程 · 客服 agent 实验](https://learn.deeplearning.ai/courses/agentic-ai/lesson/9inumthkb/ungraded-lab:-customer-service-agent)
- [DeepLearning.AI Agentic AI 课程 · 市场调研团队实验](https://learn.deeplearning.ai/courses/agentic-ai/lesson/cnd59gh0b/ungraded-lab:-market-research-team)

## 术语

- AI Suite(课程代码示例里用来给 agent 接工具的框架,非通用标准)
- LM as judge(用另一个 LLM 给主观产出打分的评估手段,替代人工逐条评判)
- ground truth(用于比对 agent 输出对错的基准答案/真值)
- per-example ground truth(逐例真值:每个输入样本各自有唯一正确答案,区别于统一标准的通用真值)

## 金句

> "If you wrap a LM, a model in an agentic workflow, it is going to be much better than just calling it directly. This is a fact." → 把模型包进 agentic workflow 一定优于裸调用,作者少见地用"这是事实"这种斩钉截铁的说法。

> "Look for places where the performance of the agentic system is worse than a humans. These are the best areas for improvement." → 给评估工作指了具体方向:盯着人机表现差距找,而不是漫无目的地列 eval 清单。

## 立场与利益

meta 简介里带 HubSpot 的推广跟踪链接(clickhubspot.com/23bc50),口播里也明确说"这段视频由 HubSpot Media 赞助";另外反复引流到自己的 lonelyoctopus.com AI Agent Bootcamp 候补名单。

- 与利益同向(待印证):作者对课程的两点批评——"偏理论、没讲部署"和"assignment 全是代码、易让人误以为必须会写才行"——恰好精准对应她自己训练营强调的"覆盖部署、支持无代码"卖点,采信前需要独立信源印证这两点批评是否属实公允。
- 利益中性:三大基石、四种设计模式、eval 2×2 矩阵的转述是对课程内容的客观复述,与她自己的产品无直接利益关联,可按内容本身采信。
- 与利益反向(可信度最高):她在明确推销自己训练营和 HubSpot 资源的同时,仍正面评价"这门课整体真的不错"、"eval 这部分讲得比任何地方都深",没有借批评贬低对方课程来抬高自己产品。

## 价值定位

适合已经了解 LLM 基础调用、但还没系统学过"怎么把多个步骤/工具/评估串成一个 agent"的人;不适合完全没碰过 LLM API 的人——视频默认你懂基本概念,不是从零讲起。

价值在于把 DeepLearning.AI 这门 8 小时课的框架(三构件 + 四模式 + eval 矩阵)压缩成一张认知地图,省下自己啃课的时间,但不能替代真正做 assignment、写代码练手。

认知 vs 实操:纯认知层——帮你搭出 agentic AI 的整体框架和词汇表,不含可直接照抄的代码或配置,想要实操细节仍需回原课程或链接的 assignment。

与 [[MxyRjL7NG18-Agentic 工作流课/05-Agent 五要素|Nick Saraev·Agent 五要素]] 重叠时:两者都讲 planning/tool use/reflection,但本片独有系统性的 evaluations 方法论(2×2 矩阵)与自主度光谱这一判断维度,Nick 的课完全没有覆盖评估这一环。

## 自检问题

1. 视频反复强调"别纠结是不是 agent"这种二元判断,那该看什么?
   **答案**:看落在自主度光谱的哪个位置——步骤越预定、越可控就越偏低自主度;工具越自选、结果越有创造性(但也越难预判)就越偏高自主度。(→ 知识点1) [01:26](https://youtu.be/ftBWgcwvEk4?t=86)
2. Andrew 的三构件框架里,为什么"评估"常被忽视却最关键?
   **答案**:模型和工具能让 agent"能做事",但没有评估就没法客观知道 agent 到底做得好不好、有没有在变好,只能靠感觉;评估把"感觉在改进"变成"可以量化验证"。(→ 知识点2) [04:45](https://youtu.be/ftBWgcwvEk4?t=285)
3. 评估的 2×2 矩阵是哪两根轴?各自举一个例子。
   **答案**:第一根轴是客观/主观(发票日期抽取对错分明是客观,研究 essay 质量高低是主观);第二根轴是有无逐例真值(每个样本答案不同的发票日期有逐例真值,营销文案统一"小于 10 个词"的标准没有逐例真值)。(→ 知识点5) [19:25](https://youtu.be/ftBWgcwvEk4?t=1165)
4. Reflection 和 Planning 两种模式最本质的区别是什么?
   **答案**:Reflection 的步骤是预先定好的(先写初稿→反思→改进),可控性强、结果好预判;Planning 是让 LLM 现场生成计划再执行,没有预定路径,更灵活但更难预判结果和排查问题。(→ 知识点3、6) [25:27](https://youtu.be/ftBWgcwvEk4?t=1527)
5. 作者对这门课的两个主要批评是什么?
   **答案**:一是偏研究/理论视角,没怎么讲部署上线、真正让用户用起来的实操过程;二是课程 assignment 全是基于代码的,容易让人误以为必须会写代码才能做 agentic AI,实际上无代码也能实现同样的设计模式。(→ 立场与利益) [29:12](https://youtu.be/ftBWgcwvEk4?t=1752)