AI Agent 从零到一学习路线

最终要会什么？

能说清 Agent 的边界，能实现带工具和状态的 Agent，能设计 RAG、多 Agent、评测和安全机制，并能用数据判断是否值得上线。

10 周主线

1. 第 1 周：LLM 基础——Token、上下文、消息、结构化输出、Embedding。
2. 第 2 周：Agent 核心——目标、状态、工具、观察、停止条件；手写最小循环。
3. 第 3 周：工具——Function Calling、Schema、超时、重试、幂等、MCP。
4. 第 4 周：RAG——解析、切分、索引、召回、重排、引用与拒答。
5. 第 5 周：上下文与记忆——压缩、Checkpoint、短期与长期记忆。
6. 第 6 周：编排——路由、并行、Orchestrator-Worker、Evaluator-Optimizer、多 Agent。
7. 第 7 周：框架——用一个主框架重做同一项目，理解框架背后的循环。
8. 第 8 周：工程化——异步任务、可恢复执行、Trace、成本和性能。
9. 第 9 周：评测与安全——数据集、Grader、Prompt Injection、最小权限与 HITL。
10. 第 10 周：项目与面试——完成一个可演示项目，按四层题库复盘。

每阶段验收

• 会解释：不用术语堆砌，2 分钟讲清原理和边界。
• 会实现：有最小代码、错误处理和状态记录。
• 会评测：至少 30 个样本，能定位失败层级。
• 会取舍：说明为什么不用更复杂的架构。

推荐顺序

Token 与上下文 → Agent 的定义 → Function Calling → RAG → 工作流模式 → 生产架构 → 评测 → 安全 → 项目实战

关联面试题： F01 什么是 Agent？ · S20 是否值得上线？