几个月前，GH-600（GitHub 认证：代理式人工智能开发者）正式发布，这是首批专注于软件开发生命周期中人工智能代理的认证之一。我开始使用微软学习平台的官方资源进行学习，却遇到了老问题：模块短小，标题繁多，但真正有用的内容却很少。这些内容可能只覆盖了考试实际权重的 35% 到 45%。
因此，我做了我一贯的做法：拿起官方大纲，编写了自己的笔记。这些笔记采用西班牙语撰写，以笔记本格式呈现，涵盖了全部 6 个领域，并在每个领域末尾附带一个实践实验。随着进度的推进，我将这些笔记免费公开发布。
本文是对我从每个领域中提炼出的核心内容的总结，如果你正在准备 GH-600 认证，或者想在深入之前了解其大致内容，这篇文章或许能帮到你。
6 个领域及各自的诚实学习心得
领域 1：架构与软件开发生命周期。 什么是代理，以及如何将其嵌入开发流程。代理不是聊天机器人：它是一个具有目标、限制并能够访问工具的行动者，嵌入在软件开发生命周期中。
领域 2：工具与模型上下文协议。 边界范围。代理存在于四个叠加的允许列表之内（工具、模型上下文协议服务器、执行上下文和自主操作）。如果其中任何一个默认处于开放状态，那么无论其他三个配置得多么严谨，边界防护都将失效。
领域 3：记忆与状态。 协作者记忆功能会在 28 天内删除未使用的事实数据，这并非缺陷，而是防止记忆随时间推移受到污染的安全护栏。此外，模型的“智能区域”（即模型真正关注的部分）大约在 10 万令牌左右，而非窗口总大小。
领域 4：评估与调优。 一个拉取请求可能通过了测试、代码风格检查和扫描，但仍然可能存在错误，因为自动信号无法识别你声明的范围。在评论中说“不要做 X”并不能调优代理：如果你没有将其持久化到指令、工作流、记忆或工具中，下一次会话将从零开始。反馈是配置，而非对话。
领域 5：多代理编排。 多代理模式并非没有代价：Anthropic 报告称，在其研究系统中令牌消耗量约为单代理的 15 倍，而编码则是一个反例，在这种情况下，单个管理良好的代理通常表现更佳。确实可行的模式是将写入操作限制在单一线程中：一个只读的研究者提出建议，由唯一的编辑器修改代码。
领域 6：安全护栏与责任归属。 基于风险（运营、安全、合规）的自主级别，对于不可逆操作必须强制实行人类介入，以及贯穿始终的最小权限原则。一个容易混淆的细节是：网络层面的“代理防火墙”是内置功能，而非一个需要配置的面板。
关于人工智能的使用（诚实说明）
Claude 作为我的研究伙伴（对照官方来源验证概念，对比不同解读）和编辑（检查语法、流畅度，捕捉不一致之处）协助我完成工作。考试的具体内容来源于仔细阅读官方资料，重点关注最容易混淆的部分，并在账户允许的情况下进行动手实践。这不是大型语言模型基于学习指南生成的输出，也不是已经参加过考试的人的经验之谈，而是公开的学习过程记录。
这是什么，这不是什么
这不是考试题库，也不是选择题集。这是一本学习笔记：包含密集的理论、真实的代码，以及每个领域对应的一个实验。内容自包含，这意味着它旨在教授主题，而无需你同时打开原始资料。
在哪里可以找到
完整笔记，免费且提供西班牙语版本：
- 博客：https://matiasbeltramone.com/apuntes/github-agentic-ai/
- 索引和资源
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
