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。它的定位不是零散主题索引，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。

学习地图

如果你想先一眼看清这套内容的主线，可以先看这张图：

你可以把这张图理解成：

• 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：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 3 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。
• 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。

如果你是第一次进入这个模块，推荐把它理解为下面这条主线：

• 先学会怎么“把模型用对”。
• 再学会怎么“把 Agent 搭起来并跑稳”。
• 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。

• Prompt Engineering
• Context Engineering
• Prompt Engineering vs Context Engineering
• RAG 入门与实践
• Tool Use / Function Calling

Agent 与工程化

适合谁看： 已经理解基础能力，准备真正进入 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”。

• Agent Engineering
• Workflow vs Agent
• Agent Memory and State
• Agent Planning Patterns
• Evaluation / Evals
• Harness Engineering
• Agent Observability and Debugging
• Guardrails and Human-in-the-Loop

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。

• AI 应用整体架构图
• 从 0 到 1 构建 AI 应用实战路线
• Agent Production Checklist
• 从 0 到 1 做一个最小 Agent Demo
• AI Agent 技术栈与框架对比

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. Context Engineering
3. RAG
4. Tool Use / Function Calling
5. Agent Engineering
6. Evaluation / Evals
7. Harness Engineering
8. AI 应用整体架构
9. 从 0 到 1 的实战路线

这条路线的目标是先建立完整骨架，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。

如果你最关心的是 AI Agent，建议先按下面顺序进入主线：

1. Prompt Engineering
2. Context Engineering
3. Tool Use / Function Calling
4. Agent Engineering
5. Workflow vs Agent
6. Agent Memory and State
7. Agent Planning Patterns
8. Guardrails and Human-in-the-Loop
9. Agent Observability and Debugging
10. Agent Production Checklist

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。

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

1. Context Engineering
2. RAG
3. Tool Use / Function Calling
4. Agent Engineering
5. Evaluation / Evals
6. Harness Engineering
7. Agent Observability and Debugging
8. Guardrails and Human-in-the-Loop
9. Agent Production Checklist
10. AI 应用整体架构
11. 从 0 到 1 的实战路线

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

• 如果你刚开始学，先走 入门路线。
• 如果你已经知道自己就是想学 Agent，先走 Agent 导向路线。
• 如果你已经做过原型，准备进入真实项目，先走 工程化路线。

如果只打算先读一篇，就从 Prompt Engineering 开始。

如果你现在最想尽快动手，可以直接看：

• 从 0 到 1 做一个最小 Agent Demo

如果你现在最想先理解技术选型，可以直接看：

• AI Agent 技术栈与框架对比