AI拉呱：洞察AI技术前沿
每隔几周就有人问我同一个问题的不同版本：“我想认真搞 Agentic AI，应该学什么？”
我以前的回答是”学会构建 Agent”。这个回答现在不对了，至少不完整。因为过去十二个月发生了一个悄然的转变：构建 Agent 变简单了，围绕 Agent 的所有东西变难了——钱也流向了那里。
看看2026年企业预算实际流向哪里。基础模型API支出是最大单一类别，约占AI预算的28%，GPU和计算占22%，集成和Agent平台支出占11%，评估、可观测性和AI FinOps工具占9%。Gartner 2026年 Agentic AI 炒作周期从结构上说了同样的事：今年的标志性信号是治理、安全和成本导向的轮廓与核心Agent技术一同涌现。
翻译一下：市场不再为”我们能做一个Agent”付费了。它为”我们能运行一千个Agent而不亏钱、不失可见性、不失控制力”付费。
所以这一版是我希望一年前有人递给我的学习指南。五个领域，每个为什么重要、具体学什么、构建什么来证明你懂。如果你是工程师在为未来两年定位，PM在规划路线图，或创始人在决定向企业卖什么——这就是地图。
收藏这篇。
它是什么。让非工程师可视化组装Agent和Agentic工作流的平台。拖一个触发器，连接一个模型，接入工具，发布。和让 Zapier 成为一家公司的同一个理念，应用到Agent上。
企业为什么付费。简单算术。一家公司大概有50个能用代码构建Agent的工程师，和5000个理解值得自动化的业务流程的员工。低代码就是弥合这个差距的方式。Google 在 Cloud Next 2026 的核心发布是 Gemini Enterprise Agent Platform——带 Agent Studio 用于低代码开发，和升级版 Agent Development Kit 用于代码优先团队。Microsoft、Salesforce 和 ServiceNow 做了同样的押注。当每个超大规模厂商在同一年发布相同产品形态时，那不是趋势，那是采购品类。
微妙之处：低代码不是代码优先的对立面。成熟平台正在收敛到双轨模式——业务团队在可视化构建器中组装，工程团队在底层用代码扩展，两者编译到同一运行时。
学什么。n8n 作为开源工作流层（这是我建议最先学的，因为它教你”工作流即图”的思维，这种思维到处都能迁移）。Microsoft Copilot Studio 和 Google Agent Studio 作为企业版本。Salesforce Agentforce 如果你靠近CRM世界。在所有这些之下，学模式：触发器、确定性编排、LLM步骤作为节点、人工审批作为一等节点类型。
构建什么来证明。从你自己的工作中取一个真实流程（线索筛选、报告生成、工单路由），用两种方式发布：一次用 n8n，一次用 LangGraph 写代码。写下每种方式让什么变简单、让什么变困难。这个对比比任何认证都值钱。
需要知道的陷阱。低代码制造Agent蔓延。数百个由不考虑失败模式的人构建的Agent，全部触碰生产系统。这正是后面四个支柱存在的原因。
它是什么。看到你的Agent实际做了什么的能力，逐步骤：每个模型调用、每个工具调用、每个推理决策、每个记忆读取。追踪（traces），不是日志。两版之前深入讲过这个，所以这次精简聚焦职业角度。
企业为什么付费。因为一个Agent可以循环两次、调用错误工具、幻觉出一条政策，仍然在正常延迟内返回200 OK。传统监控显示绿色。客户流失了。你无法用堆栈追踪调试推理，也无法对从未捕获的行为运行评估。每个严肃的Agent部署在第一个生产月就会发现这一点，这就是为什么评估和可观测性工具现在在企业AI预算中有了自己的行。
学什么。先学原语：runs、traces、threads，和四种span类型（工具调用、推理、状态转换、记忆操作）。然后是工具：LangSmith、Langfuse（开源，我的默认学习推荐）、Braintrust、Arize Phoenix。关键是学习 OpenTelemetry GenAI 语义约定，因为行业正在标准化到 OTel 作为传输层，这个知识比任何单一供应商都长寿。
构建什么来证明。用 Langfuse 或 Phoenix 给任何现有Agent加上 instrumentation。然后做几乎没人做的事：拉50条失败追踪，手动分类失败，把前三个模式转化为自动评估案例。那个工作流（追踪 → 失败分类 → 评估）是这篇帖子中最具就业竞争力的单一技能。