FE Engineer 到 Agent Engineer：LangSmith 入门与成长指南

这组文档面向已有前端工程经验的工程师，目标是帮助你从「做 UI 和前端应用」迁移到「构建、评估、观测、产品化 Agent 系统」，并能逐步介入 LangSmith / LangChain / LangGraph 相关开发。

阅读顺序

1. 01 从 FE Engineer 到 Agent Engineer
   理解前端能力如何迁移到 Agent 工程。

2. 02 Agent Engineer 核心知识地图
   建立 Agent Engineer 的核心知识地图。

3. 03 LangSmith 入门
   快速理解 LangSmith 的定位、核心概念和开发入口。

4. 04 实践路径
   从使用 LangSmith 到能开发 Agent 系统的实践路径。

5. 05 12 周成长计划
   一份 12 周成长计划，包含每周主题、练习和验收标准。

6. 06 Evaluation 与 Observability Playbook
   专门补齐 Agent 评估、追踪、反馈、监控的工程方法。

7. 07 资料清单、面试准备与作品集
   官方资料、进阶阅读、作品集和面试准备建议。

总体目标

完成这套路线后，你应该能做到：

• 用 TypeScript 构建带工具调用、结构化输出和流式 UI 的 Agent 应用。
• 用 LangSmith 追踪 LLM 调用、工具调用、检索链路、延迟和成本。
• 把失败样例沉淀成 dataset，并用 experiment 验证 prompt / model / workflow 的变化。
• 用 LangGraph 设计有状态、可恢复、可观测的 Agent workflow。
• 给一个 Agent 产品建立 feedback、dashboard、alert、CI eval gate。
• 用作品集展示你如何发现问题、评估问题、修复问题和监控上线质量。

核心判断

前端工程师转 Agent Engineer 的关键，不是从零学一个完全陌生的方向，而是把已有的产品工程能力迁移到更不确定的系统里。

过去你关注：

• UI 状态是否正确
• API 返回是否符合预期
• 用户路径是否顺畅
• 错误是否可观察
• 版本上线是否安全

Agent 工程里你仍然关注这些，只是对象变成：

• 模型输出是否可靠
• 工具调用是否安全
• 检索内容是否足够支撑答案
• trace 是否能解释失败
• eval 是否能阻止质量回退
• feedback 是否能回流为训练和评测数据

推荐实践方式

不要只看文档。每学一个概念，都用一个小项目验证：

• 学 tool calling：封装 2-3 个真实工具。
• 学 RAG：做一个有引用和 no-answer 策略的文档问答。
• 学 LangSmith tracing：让每一次模型、工具、检索调用都能在 trace 中看清楚。
• 学 evaluation：把失败样例做成 dataset，比较两版实现。
• 学 LangGraph：做一个有 state、checkpoint、human approval 的 workflow。

主要来源

• LangSmith docs
• LangSmith Observability
• LangSmith Evaluation
• LangChain JS Agents
• LangChain JS Tools
• LangGraph overview
• Anthropic: Building Effective Agents
• Anthropic: Writing effective tools for agents
• Anthropic: Demystifying evals for AI agents
• OpenAI: A practical guide to building agents
• OpenAI: Latency optimization