AI Agent开发系统学习路线

🤖 欢迎来到 AI Agent 开发系统学习项目！本项目旨在为想要系统学习和实践 AI Agent 开发的开发者提供一条完整、清晰的学习路径。

🗺️ 学习路线总览

本学习路线分为 8 个阶段，从基础到高级，循序渐进：

阶段 0：明确方向和基础要求

• Agent 在大模型语境下的定义
• 技术前置要求：Python/Java、API 使用、后端基础、Git

阶段 1：LLM 基础与 Prompt 工程

• 系统化学习 Prompt 结构、CoT、ReAct 等设计模式
• 实践：用 Azure OpenAI 或本地 API 做问答、数据结构化、文本摘要等

阶段 2：工具调用与函数式 Agent

• 掌握如何将业务 API、本地模块、第三方服务包装为工具并让模型调用
• 实践：做聚合多工具（天气、汇率、待办）的 Agent 小项目

阶段 3：任务分解与多步推理 Agent

• 理解 ReAct、任务分解流程；让 Agent 能自主多步调用工具
• 实践：做如自动收集资料/多步骤办公/"工作流助手"项目

阶段 4：记忆、知识库系统与长期状态

• 学习短期与长期记忆管理、RAG 知识库（如 Embedding + 向量数据库、笔记检索）
• 实践：打造个人笔记/知识问答 Agent

阶段 5：多 Agent 协同与角色体系

• 理解 Manager-Worker、专家小组、Self-Refine 等多 Agent 模式
• 实践：模拟多角色协作流，如文档/代码写作、报告整理、专家投票

阶段 6：成熟 Agent 框架实践

• 掌握 LangChain/LlamaIndex 及主流框架集成工具、Memory、Executor 等核心能力
• 实践：结合实际需求，用框架复现并扩展前述 Agent/助手

阶段 7：工程化、评估与安全

• 学习工程最佳实践：API 服务化、日志、权限与安全评估、自动化测试等
• 实践：将 Agent 产品化，打造可运行在实际工作/生活中的副手系统

📖 推荐实践节奏

• 每周推进一个小项目：建议优先用 Python 串联业务，结合你的后端经验快速迭代
• 渐进式学习路径：脚本 → 服务 → 框架 → 工程化
• 规划里程碑：每完成一个阶段，进行成果复盘和总结
• 动手实践为主：理论学习与代码实践比例建议 3:7