基础能力

这一组内容主要解决一个问题：

在真正进入 Agent 之前，怎么先把模型、上下文、知识和工具这几块基础能力打扎实。

如果说后面的 Agent 与工程化 关注的是“系统怎么持续执行任务”，那么这一组关注的就是：

• 模型到底怎么被驱动
• 输入信息到底怎么组织
• 外部知识怎么补进来
• 工具能力怎么接进系统

小地图

这条线可以理解成：

• Prompt：先学会怎么把任务说清楚
• Prompt Guide：再学会怎么把 prompt 真正写成可迭代、可复用、可验证的资产
• Context：再学会怎么把信息环境搭对
• Prompt vs Context：把两者边界分清
• RAG：补上模型本身不知道的外部知识
• Tool Use：让系统开始具备行动能力
• MCP：把外部能力从单点调用推进到协议化接入
• A2A：把系统视角从单 Agent 继续推进到 Agent 协作

适合谁看

适合：

• 刚开始系统学习 AI 应用的人
• 还在理解 Prompt、Context、RAG、Tool 之间关系的人
• 想先把基础能力串成一条主线，再进入 Agent 的人

建议怎么读

推荐顺序：

1. Prompt Engineering
2. Prompt Engineering Guide
3. Context Engineering
4. Prompt Engineering vs Context Engineering
5. RAG 入门与实践
6. Tool Use / Function Calling
7. MCP 入门与实践
8. MCP vs Tool Calling
9. A2A 入门与典型场景

这一组读完之后，最好能回答什么

读完这一组后，最好能回答这些问题：

• Prompt 和 Context 分别在解决什么问题
• 为什么 prompt 也应该被版本化、结构化和回归验证
• 为什么很多复杂系统的问题不是 prompt 不好，而是 context 不好
• RAG 为什么不是“把知识塞给模型”那么简单
• Tool Use 为什么是从“会回答”到“会做事”的分界线
• MCP 为什么适合放在工具、资源和 Prompt 的统一接入层来理解
• A2A 为什么更适合用来描述 Agent 与 Agent 的协作，而不是普通工具调用

如果这些问题都比较清楚了，再进入 Agent 模块会顺很多。