Agent 时代最重要的数据，不是答案，而是 Trajectory
Agent 时代最重要的数据，不是答案，而是 Trajectory。
模型决定能力上限，轨迹质量决定能力下限。
最近一年，Agent 成了大模型领域最热门的话题之一。
从 OpenAI Operator、Deep Research，到 Manus、Cursor、Claude Code——几乎所有 Agent 系统的背后，都离不开一个核心技术：
Agent SFT（Agent Supervised Fine-Tuning）
很多人对 Agent SFT 的理解停留在：
“就是把工具调用样本拿来微调模型。”
实际上远没有这么简单。
本文系统梳理：什么是 Agent SFT、为什么 Agent 必须先做 SFT、适用场景、4 种主流方法及其优缺点，以及未来演进方向。
一、什么是 Agent SFT
传统 LLM SFT 的训练目标非常简单：
| Question → Answer |
例如用户问「北京天气怎么样」，模型直接回答「今天北京晴天，气温 25℃」。
而 Agent 不一样。它需要思考、规划、调用工具、获取环境反馈，再继续决策。
用户问「帮我查一下明天上海飞东京最便宜的机票」，Agent 的真实执行过程是：
| Thought: 需要先搜索航班 Tool Call: search_flight() Tool Result: … Thought: 找到最低价格 Final Answer: … |
训练目标变成：
| Question → Reasoning → Tool Call → Observation → Next Action → Answer |
本质上：
Agent SFT = 学习如何完成决策轨迹（Trajectory），而不仅仅是学习最终答案。
二、为什么 Agent 必须先做 SFT
很多团队会问：能不能直接上 RL？
理论上可以，实际上几乎不行。
原因很简单——强化学习需要探索，但 Agent 的动作空间太大。假设有 200 个工具：
- 第一步：200 种选择
- 第二步：200 × 200
- 第三步：200³
动作空间呈指数增长。如果没有先验能力，RL 等于瞎试，奖励极其稀疏。
因此行业形成了统一路线：
| Base Model → Agent SFT → RL / DPO / GRPO |
- SFT负责：学会怎么做
- RL负责：做得更好
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～