2022 年，如果请聊天模型订机票，它大概会列出一份步骤：打开网站、选航班、填乘机人信息、付款。
2026 年，同样的要求可能意味着另一套工作：理解行程，查可用航班，调用工具，处理日历冲突，检查预订结果；遇到付款或超预算的决策，再请求人的确认。
这段变化并非只因为模型变聪明了。它也依赖一整套围绕模型的配套能力：指令、上下文与记忆、工具、运行循环、反馈验证、执行环境和交付界面。这套系统，在我们采用的教材框架中叫作 Harness。
这门课想讲清楚：Agent 为什么发展成今天这样，以及我们现在该如何设计它。
这是怎样的一门课#
《AI Agent 编年史 · Mira 研习课》面向开发者与产品经理。它不是一个热门框架安装合集，也不是从头到尾复述某本书。
我们从 Agent 的历史出发，每一次技术演化都追问三个问题：
- 为什么会出现这项技术？ 它替谁解决了什么真实困难？
- 有什么代价和边界？ 它把复杂性消除了，还是转移到了别处？
- 今天还应该怎样使用？ 面对真实业务，哪些场景需要 Agent，哪些只需要确定性程序或受控工作流？
课程会同时提供两个视角。开发者关心架构、协议、权限、状态、恢复与测试；产品经理关心用户价值、交付体验、成本、组织协作和失败责任。面对的是同一个案例，不是两套相互分离的教材。
我们怎么上课#
由 Mira 讲解，不把阅读任务甩给学生。
每节课以可缩放的 SVG 图解开始，用历史事件、技术结构或真实产品问题引入概念。接下来是完整讲授、双视角的案例分析，以及可以打断和追问的讨论。
你可以问：当年的 AutoGPT 为什么令人兴奋？MCP 到底解决什么，为什么不直接调 REST API？让 Agent 使用 GUI，究竟比 API 更先进还是更脆弱？
这些背景问题都值得认真回答。但每次深入追问，我们都要回到当前章节的主线锚点，而不是任由一次学习变成漫无边际的闲聊。
课程以小单元推进。难点可以讲透；熟悉的知识可以快速通过。它要照顾忙碌的实践者，而不是要求大家先读几十页资料才有资格提问。
课后必须有真题#
每讲规划四道题：概念辨析、架构或产品决策、故障诊断、综合实践。其中两道是核心练习，两道可以进阶挑战。
题目必须有业务背景、明确约束和可检验的交付结果。不以「背出 Harness 七部件」作为所谓的工程能力考核。
例如：一家电商拥有订单查询和退款接口。退款超过 200 元必须人工审批；接口可能超时；客户留言中可能夹带恶意指令。你会把哪些环节交给确定性工作流，哪些交给 Agent？如何防止越权、重复退款，以及把一次 HTTP 成功误报成业务完成？
参考答案不必只有一种，但每个答案都应该能说清 决策理由、失败边界与验收证据。Mira 会据此点评，而不是只给一个对勾。
课程主线：十讲#
| 讲次 | 主题 |
|---|---|
| 00 | 导学：模型与 Harness |
| 01 | Gen 0–1：从被动对话到工具调用 |
| 02 | Gen 2：工作流与多智能体 |
| 03 | Gen 3：推理模型、MCP 与 Computer Use |
| 04 | Gen 4：Skills、记忆与常驻 |
| 05 | Gen 5：Work 化与可靠交付 |
| 06 | Gen 6：平台托管个人代理 |
| 07 | 专题：Manus 的创新与商业教训 |
| 08 | 专题：Agent 的电脑应该放在哪里 |
| 09 | 终论：技术规律与一个可验收的 Agent 方案 |
这是教学路线，不意味着上述十讲均已发布。当前先开放课程介绍，正式讲次将逐讲建设。
两份重要资料#
课程以外部作者制作的《AI Agent 编年史》及其课堂版为主要史料和教学参考，同时对涉及快速变化的事实补充独立查证：
原作者的历史划分与解释框架值得认真学习，但不等于所有商业推论都应成为定论。课程会区分已核实的历史事实、原作者的观点、Mira 的分析和读者的独立判断。
本课程是基于上述公开资料进行的独立教学策划，不是原作者授权的官方课程；原版 PDF、整页课件和原作图表不在此转载，相关版权仍属于各自权利人。
读完之后，应该能做什么#
希望你不只是知道什么叫 MCP、Skills、Computer Use。
当一个团队说「我们要上 Agent」时，你应该能够继续追问：为什么是 Agent？它要替人完成哪段工作？什么情况下必须停下来？出了错谁来承担？我们拿什么证据说它真的完成了？
这就是这门课的学习目标：用历史认识技术，用判断指导实践，用证据定义交付。