跳到主要内容

AI

这里整理的是一组围绕 AI 应用、Agent 系统与工程化落地的学习笔记。它不是零散主题索引，而是一条可以反复回看的学习主线：先补齐基础能力，再进入 Agent 设计与工程化，最后建立对 AI 应用全局架构的判断。

如果把这个模块当成专题资料库来查，可以直接看：

学习地图​

想先看清这套内容的主线，可以先看这张图：

这张图对应的主线是：

  • 第一阶段：先学会怎么把模型、上下文、知识和工具用对
  • 第二阶段：再学会怎么把 Agent 真正搭起来、跑起来、调稳
  • 第三阶段：再把前面这些章节和市面上的主流框架、SDK 对应起来
  • 第四阶段：最后建立架构、选型、上线和实战落地的整体视角

模块结构​

现在内容分成 4 组：

  • 基础能力：先理解模型能力边界、上下文组织方式，以及 AI 应用最常见的基础组件。
  • Agent 与工程化：进入 Agent 设计、评估、调试、状态管理与生产实践。
  • 框架与 SDK：把章节里的能力问题和主流框架、SDK、观测平台真正对起来。
  • 全局视角：从单点能力往外看，理解完整 AI 系统的架构、协作关系与落地路线。

第一次进入这个模块，可以先按这条主线理解：

  • 先学会怎么“把模型用对”。
  • 再学会怎么“把 Agent 搭起来并跑稳”。
  • 再学会怎么“把章节和工具链接起来”。
  • 最后再看怎么“把单点能力放进完整系统”。

分阶段导航​

基础能力​

适合谁看： 刚开始系统学习 AI 应用，还在建立 Prompt、Context、RAG 和 Tool Use 基础框架的人。

这一阶段的目标： 先理解模型到底怎么被驱动、上下文怎么组织、知识怎么补、工具怎么接。

Agent 与工程化​

适合谁看： 已经理解基础能力，准备进入 Agent 设计、状态管理、评估、调试和生产化治理的人。

这一阶段的目标： 从“模型会回答”走到“系统会围绕目标持续执行，并且可观测、可评估、可回归”。

框架与 SDK​

适合谁看： 已经理解基础能力和 Agent 工程问题，开始关心 OpenAI / LangChain / LangGraph / LangSmith / CrewAI / Microsoft Agent Framework 这些工具链如何对应到章节和真实项目里的人。

这一阶段的目标： 把“原理专题”接到“框架使用层”，逐步建立上手顺序和选型判断，而不是只记住几个热门名字。

全局视角​

适合谁看： 已经做过一些原型，开始关心整体架构、从 0 到 1 路线、最小 Demo 和技术栈选型的人。

这一阶段的目标： 把前面的单点能力和 Agent 工程实践放进完整系统里理解，建立自己的落地判断力。

推荐阅读地图​

1. 入门路线：适合第一次系统学习​

阶段说明： 先建立基础骨架，再进入 Agent，再补齐评估和整体架构。

建议按这个顺序读：

  1. Prompt Engineering
  2. Prompt Engineering Guide
  3. Context Engineering
  4. RAG
  5. Tool Use / Function Calling
  6. MCP 入门与实践
  7. Agent Engineering
  8. Evaluation / Evals
  9. Harness Engineering
  10. AI Agent 专题章节与框架映射
  11. OpenAI Agents SDK 指南
  12. AI 应用整体架构
  13. 从 0 到 1 的实战路线

这条路线先建立完整骨架，再逐步把 Agent、评估和架构串起来。

2. Agent 导向路线：适合想尽快进入 AI Agent​

阶段说明： 少走背景铺垫，优先进入 Agent 的边界、状态、规划、观测和上线问题。

如果重点放在 AI Agent，可以先按下面顺序进入主线：

  1. Prompt Engineering
  2. Prompt Engineering Guide
  3. Context Engineering
  4. Tool Use / Function Calling
  5. Agent Engineering
  6. Workflow vs Agent
  7. Router 与 Triage 设计
  8. Agent Memory and State
  9. Prompt Injection and Agent Security
  10. Agent Planning Patterns
  11. 多 Agent 系统设计
  12. Handoff、Agents as Tools 与 A2A
  13. Agent Memory and RAG Data Governance
  14. Agent Latency, Cost, and Reliability
  15. Agent Observability and Debugging
  16. Agent Failure Triage
  17. Multi-Agent Evaluations
  18. Agent Runtime State Machine
  19. Long-Running Agents 与 Durable Execution
  20. Queues、Retry、Backoff 与 Dead Letter
  21. Guardrails and Human-in-the-Loop
  22. Approval 与 Human Review Workflow
  23. Tool Approval、Interrupt 与 Resume
  24. Browser and Computer Use Agents
  25. Agent Production Checklist
  26. AI Agent 常见反模式
  27. Agent Evals / Harness 模板
  28. Agent Evals Markdown 表格模板
  29. Harness Markdown 表格模板
  30. Minimal Agent TypeScript 模板
  31. Tool-Using Agent TypeScript 模板
  32. RAG Agent TypeScript 模板
  33. Research Agent TypeScript 模板
  34. LangGraph 入门与编排设计
  35. CrewAI 入门与 Workflow 实战定位

这条路线会更快进入 Agent 的核心问题：什么时候该用 Agent、状态怎么管理、规划怎么做、如何观测、如何上线。

3. 工程化路线：适合准备做生产落地​

阶段说明： 把重点放在稳定性、评估、护栏、可观测和交付能力，而不是只关注 demo 效果。

如果已经做过一些 Demo，接下来更关心稳定性、评估和交付，可以按这个顺序补齐：

  1. Context Engineering
  2. RAG
  3. Tool Use / Function Calling
  4. MCP 入门与实践
  5. Agent Engineering
  6. Prompt Injection and Agent Security
  7. Agent Memory and RAG Data Governance
  8. Evaluation / Evals
  9. Harness Engineering
  10. Agent Observability and Debugging
  11. Multi-Agent Evaluations
  12. Agent Runtime State Machine
  13. Long-Running Agents 与 Durable Execution
  14. Queues、Retry、Backoff 与 Dead Letter
  15. Guardrails and Human-in-the-Loop
  16. Approval 与 Human Review Workflow
  17. Tool Approval、Interrupt 与 Resume
  18. Agent Production Checklist
  19. AI 应用整体架构
  20. 从 0 到 1 的实战路线
  21. 从 0 到 1 做一个最小 Agent Demo
  22. 最小 Agent 代码实现示例
  23. AI Agent 最小可运行项目结构
  24. 一个完整的 Tool-Using Agent 案例
  25. Tool-Using Agent 代码实现示例
  26. 一个完整的 Research Agent 案例
  27. Research Agent 代码实现示例
  28. 一个完整的 RAG Agent 案例
  29. RAG Agent 代码实现示例
  30. AI Agent 实战代码路线
  31. AI Agent 实战项目清单
  32. AI Agent 专题章节与框架映射
  33. LangSmith：Observability 与 Evals
  34. AI Agent 技术栈与框架对比
  35. AI Agent 文档总索引

这条路线更偏“把系统做稳”，重点不是快速上手，而是把质量、可调试性、风险控制和交付能力补齐。

快速入口​

  • 刚开始系统学习，可以先走 入门路线。
  • 重点放在 Agent，可以先走 Agent 导向路线。
  • 已经做过原型、准备进入真实项目，可以先走 工程化路线。

如果只打算先读一篇，可以从 Prompt Engineering 开始。

想尽快动手，可以直接看：

如果现在最想先理解技术选型，可以直接看：