AGENT ACADEMY · ROADMAP

学习路线

顺序比资料更重要:先理解 Agent 为什么存在、怎么工作、需要哪些能力,最后才是用什么框架实现。

12周学习计划
03条学习路径,按目标选择
Paths

选择你的路径

12 Weeks

12 周学习计划

  1. W01导论 + 软件基础

    产出调通一个 API,完成 3 个 AI 产品的拆解

  2. W02大模型 + 指令设计

    产出一个稳定输出结构化结果的 AI 小应用

  3. W03Context + RAG

    产出带引用的知识库问答

  4. W04工具调用

    产出Tool Agent

  5. W05MCP + Skills

    产出一个 MCP Server 与一个 Skill

  6. W06Workflow 与 Agent 模式

    产出同一流程的 Workflow 版与 Agent 版

  7. W07Harness

    产出一个最小可用 Agent

  8. W08Memory + 执行环境

    产出可以断点续跑的长任务 Agent

  9. W09权限安全 + 验证

    产出带审批与验证的可执行 Agent

  10. W10Evals + 可观测性

    产出评测集、错误归因报告与 Trace 看板

  11. W11Multi-Agent + Agent UX

    产出任务执行页交互稿

  12. W12产品设计 + 产品拆解

    产出完整 PRD 与可演示的 MVP

Skip for now

暂时不用深入

先跳过Transformer 数学与 Attention 公式

投入产出比低,不影响 Agent 产品设计。

先跳过模型训练与 CUDA

除非在做模型公司,否则用不到。

先跳过Fine-tuning 原理

先知道适用场景即可。

先跳过LangChain / LangGraph 的 API 细节

框架变化很快,需要时再查。

先跳过向量数据库底层与 Embedding 数学

理解用途与语义搜索的直觉就够了。

试试:上下文、MCP、沙箱、Prompt 注入、外链