AI Handbook · AI 工程师知识手册

让知识以地图的形式呈现在你的脑中

AI 应用工程师的完整学习记录。不只是文档整理——包含 深度追问过程、真实误解纠错、和可在浏览器直接打开的交互式笔记。

为什么有这个仓库

学 AI 技术，最难的不是”找到资料”，而是”真正理解”。

这个仓库记录的不是整理好的知识点，而是从困惑到清晰的完整过程：包括我理解错的地方、追问了多少轮、以及最终怎么建立起体系化认知的。

如果你也在学同样的内容，这里的误解记录可能比标准答案更有价值。

内容地图

graph TD
    A[AI Handbook] --> B[MCP · 模型上下文协议]
    A --> C[Agent · AI 智能体]
    A --> D[RAG · 检索增强生成]
    A --> AR[Agent Research · 生态拆解]
    A --> P[AI Programming · 编程实战]
    A --> E[Prompt Engineering]
    A --> F[LLM Fundamentals]

    B --> B1[协议层原理]
    B --> B2[三类能力 Tool/Resource/Prompt]
    B --> B3[实战：Adapter & Gateway]
    B --> B4[面试题库 & 误解纠错]
    B --> B5[Demo：Python MCP Server]

    AR --> AR1[ATDF 方法论 + 模板]
    AR --> AR2[趋势研究 · 2026 生态]
    AR --> AR3[Deep Dives · OMC / gstack / Letta]
    AR --> AR4[概念 · RAG→Memory / Karpathy 路线]

    style A fill:#F26419,color:#fff
    style B fill:#fef0e7,color:#633806
    style C fill:#e6f1fb,color:#042c53
    style D fill:#eaf3de,color:#173404
    style AR fill:#f0ebff,color:#4a2d8a
    style P fill:#fff5e6,color:#854f0b
    style E fill:#faeeda,color:#412402
    style F fill:#f1efe8,color:#2c2c2a

MCP · 目前最完整的部分

MCP 架构三层模型

graph TB
    subgraph 生态层
        E1[N+M效应] --- E2[飞轮效应]
        E2 --- E3[标准化价值]
    end

    subgraph 应用层
        A1[Agent Loop] --- A2[Tool调用]
        A2 --- A3[多Server协作]
    end

    subgraph 协议层
        P1[Host] -->|1:N| P2[Client]
        P2 -->|1:1| P3[Server]
        P3 --> P4[Tools]
        P3 --> P5[Resources]
        P3 --> P6[Prompts]
    end

    生态层 --> 应用层
    应用层 --> 协议层

Function Calling 完整循环

sequenceDiagram
    participant U as 用户
    participant C as 你的代码
    participant AI as AI 模型
    participant T as 外部工具

    U->>C: "上海天气怎么样？"
    C->>AI: 消息 + Tool定义
    AI-->>C: {"tool":"get_weather","input":{"city":"上海"}}
    Note over AI: AI 停止，等待结果
    C->>T: 执行真实 HTTP 请求
    T-->>C: {temp:22, weather:"晴"}
    C->>AI: tool_result 返回数据
    AI-->>C: "上海今天晴，22°C，适合出行。"
    C->>U: 最终回答

关键认知：AI 永远不直接执行任何操作。AI 只输出意图（JSON），你的代码负责执行。这个边界是整个 Agent 架构安全模型的基石。

N×M → N+M：MCP 的核心价值

graph LR
    subgraph 没有MCP · 200次集成工作
        direction TB
        App1 --> Slack1[Slack]
        App1 --> GitHub1[GitHub]
        App1 --> DB1[Database]
        App2 --> Slack2[Slack]
        App2 --> GitHub2[GitHub]
        App2 --> DB2[Database]
    end

    subgraph 有MCP · 30次集成工作
        direction TB
        AppA --> MCP[MCP 标准层]
        AppB --> MCP
        MCP --> SlackS[Slack Server]
        MCP --> GitHubS[GitHub Server]
        MCP --> DBS[DB Server]
    end

N 个 App × M 个系统 = N×M 次重复开发 → 引入 MCP 标准层后变为 N+M 次

MCP 与 REST/gRPC 的本质区别

graph TD
    subgraph REST_API[REST API · 为人类开发者设计]
        R1[POST /v1/txn/proc] --> R2[语义在文档里]
        R2 --> R3[开发者读文档再调用]
    end

    subgraph MCP_Tool[MCP Tool · 为 AI 模型设计]
        M1["description: 当用户需要...时使用<br/>何时不用: 已知ID时用get_customer<br/>副作用: 只读，不修改数据"] --> M2[语义嵌入接口定义本身]
        M2 --> M3[AI 自主推理决定是否调用]
    end

    REST_API --"Semantically Opaque<br/>语义不透明"--> ❌
    MCP_Tool --"Self-describing<br/>自描述"--> ✅

文件导航

Agent Research · 生态拆解（NEW）

文件	内容	适合
ATDF 方法论	8 维度拆解框架 + 模板	想系统学习任何 AI 主题
Agent 生态 2026	协议战争 · 领域改造 · 创新空白	了解 Agent 全局
OMC 拆解	多 Agent 编排框架深度拆解	学 Agent 系统设计
gstack 拆解	AI 编程方法论深度拆解	学角色 prompt 设计
从 RAG 到 Memory	RAG 演化路线 + 商业分层	判断技术投入方向
Karpathy 路线	LLM OS → LLM Wiki → Software 3.0	理解 Memory 思想源头

MCP 完整路径

文件	内容	适合
01-foundations	MCP是什么、N+M逻辑、生态意义	入门
tools-resources-prompts	三类能力详解 + Schema + 大数据场景	核心概念
function-calling	FC前世今生 + 完整循环代码示例	底层原理
adapter-gateway	异构系统接入 + Gateway设计	实战架构
面试题库	基础+进阶+实战，含一句话版本	面试备战
理解错的10件事	真实误解记录，SEO价值高	查漏补缺

交互式笔记（下载后浏览器直接打开）

文件	内容
mcp_11q.html	11个深度追问：Prompt模板/Gateway/FC机制/语义透明
mcp_5q.html	5个机制追问：AI停止后谁触发/Schema含义/动态注册
knowledge_methodology.html	5D知识习得方法论（可迁移到任意领域）

可运行代码

文件	说明
hello-server-mcp.py	最简 MCP Server，理解基本结构
file-server-mcp.py	实战：搜索本地 Markdown 笔记

快速上手 MCP Demo

# 1. 克隆仓库
git clone https://github.com/bob798/ai-handbook.git
cd ai-handbook/mcp/demo
 
# 2. 创建虚拟环境（需要 Python 3.10+）
python3 -m venv .venv
source .venv/bin/activate
 
# 3. 安装依赖
pip install -r requirements.txt
 
# 4. 运行最简示例
python hello-server-mcp.py
 
# 5. 运行笔记搜索 Server
NOTES_PATH=/your/notes/path python file-server-mcp.py

Claude Desktop 配置见 README.md。

博客自动同步

本仓库内容自动同步到 Bob’s Digital Garden。

push 到 main/master 后，GitHub Actions 通过 repository_dispatch 触发博客重建
Markdown → Quartz 渲染，HTML 交互笔记 → 静态页面直接访问
配置：repo secret BLOG_DISPATCH_TOKEN（指向 bob798-blog 的 Fine-grained PAT）

关于作者

AI 应用工程师，做 AI 开发日记系列内容。

这个仓库是我边学边记的过程，不是整理好的教程。如果你发现错误或者有更好的理解，欢迎开 Issue。

如果内容对你有帮助，欢迎 ⭐ Star。

License

MIT

Bob's Garden

探索

AI Handbook · AI 工程师知识手册

AI Handbook · AI 工程师知识手册

为什么有这个仓库

内容地图

MCP · 目前最完整的部分

MCP 架构三层模型

Function Calling 完整循环

N×M → N+M：MCP 的核心价值

MCP 与 REST/gRPC 的本质区别

文件导航

Agent Research · 生态拆解（NEW）

MCP 完整路径

交互式笔记（下载后浏览器直接打开）

可运行代码

快速上手 MCP Demo

博客自动同步

关于作者

License

关系图谱

目录