Learning Path · 阅读路线图
这份路线图把本站 55+ 篇文档串联成一条有顺序的学习路径。 你不需要全部读完 —— 根据你的阶段,选一条线走下去。
快速分流:你现在在哪
| 你的情况 | 从哪开始 |
|---|---|
| 完全没接触过 AI 应用 | 从 第零章 开始 |
| 知道 RAG 是什么,但没写过代码 | 从 第一章 开始 |
| 写过 RAG,想理解 Agent | 从 第二章 开始 |
| 用过 Agent 工具,想理解 MCP | 从 第三章 开始 |
| 都了解,想看实战和工程化 | 直接跳 第四章 |
第零章 · 出发前
建立基础认知框架,理解"AI 工程师"和"ML 研究者"的区别。
| # | 文档 | 一句话 | 时间 |
|---|---|---|---|
| 0.1 | 5D 学习方法论 | 如何快速理解任何新技术领域 | 15 min |
| 0.2 | ATDF 拆解框架 | 如何系统评估一个 AI 项目/工具 | 10 min |
这一章的目标:你手里有了两个可复用的框架,后面每学一个新主题都能用。
第一章 · RAG — 让 AI 读懂你的数据
RAG 是最容易上手的 AI 应用模式:把你的文档变成 AI 能查询的知识库。
| # | 文档 | 一句话 | 时间 |
|---|---|---|---|
| 1.1 | 理解 RAG · 5 集入门 | RAG 是什么、解决什么、不解决什么 | 30 min |
| 1.2 | 概念手册 · 向量与检索 | Embedding、向量数据库、相似度检索 | 25 min |
| 1.3 | 代码��解 · V1 & V2 | 亲手跑通一个 RAG pipeline | 40 min |
| 1.4 | 工程方法论手册 | 从原型到生产的工程考量 | 20 min |
| 1.5 | RAG 知识地图 | 回顾 + 查漏补缺 | 10 min |
选修 · 深入:
- 混合检索 RRF 平局陷阱 — 工程细节
- Embedding 选型参考 — 模型选型
- 模拟面试题库 — 检验理解
这一章的目标:你能从零搭建一个 RAG 系统,知道每一层的 trade-off。
第二章 · Agent — 让 AI 自己行动
Agent 是 RAG 的"升级":不只查信息,还能执行动作、做多步决策。
| # | 文档 | 一句话 | 时间 |
|---|---|---|---|
| 2.1 | ReAct 论文解读 | 现代 Agent 的起源论文,逐节拆解 | 30 min |
| 2.2 | ReAct 注解版 | 论文原文逐句中英注解 + 词汇追踪 | 交互式 |
| 2.3 | Agent Loop 深度理解 | 为什么是循环?60 年血脉 + messages 数组机制 | 40 min |
| 2.4 | Planning & Reasoning | ReAct / Plan-and-Execute / Multi-Agent 对比 | 30 min |
选修 · 生态:
- Agent 生态 2026 — 行业全景
- 从 RAG 到 Agent Memory — RAG 和 Agent 的桥梁
- Karpathy 路线 — LLM OS → Software 3.0 的思想路线
动手 · 代码:
- ReAct 可运行代码 —
python run_react.py --idx 0跑起来
这一章的目标:你理解 Agent = Loop + Tools + LLM,能读懂任何 agent 框架的源码骨架。
第三章 · MCP — 标准化的工具接口
Agent 需要调用工具,MCP 定义了工具的"USB-C 接口"。
| # | 文档 | 一句话 | 时间 |
|---|---|---|---|
| 3.1 | MCP 基础 | MCP 是什么、解决什么、为什么重要 | 20 min |
| 3.2 | Function Calling | MCP 的底层机制 | 20 min |
| 3.3 | Tools / Resources / Prompts | MCP 三类能力详解 | 25 min |
| 3.4 | 我理解错的 10 件事 | 真实踩坑 | 15 min |
选修 · 深入:
- Adapter 与 Gateway 设计 — 生产架构
- MCP 深挖 11 问 — 追问到底层
- MCP 面试题库 — 检验理解
这一章的目标:你理解 MCP 在 Agent 生态中的位置,能给自己的工具写 MCP adapter。
第四章 · AI 编程实战
用 AI 工具写代码 — 不是"让 AI 帮你写",而是理解 AI 编程的范式。
| # | 文档 | 一句话 | 时间 |
|---|---|---|---|
| 4.1 | AI 编程工具篇 | Claude Code / Cursor / Aider 等工具对比 | 15 min |
| 4.2 | OMC 深度拆解 | 多 agent 编排框架的架构思想 | 30 min |
| 4.3 | OMC 实战指南 | 从场景出发选对工作流 | 20 min |
| 4.4 | AI 修炼册 | 长期成长路线 | 15 min |
这一章的目标:你从"用 AI 工具"变成"理解 AI 工具的设计",能判断什么场景该用什么。
路线图总览
第零章 · 出发前 ← 方法论(2 篇,25 min)
│
▼
第一章 · RAG ← 最容易上手(5 篇核心 + 选修)
│
▼
第二章 · Agent ← 理解底层原理(4 篇核心 + 选修 + 代码)
│
▼
第三章 · MCP ← 标准化接口(4 篇核心 + 选修)
│
▼
第四章 · AI 编程实战 ← 工程化落地(4 篇核心)
总计核心路径:19 篇,约 6-8 小时。 含选修全量:55 篇 + 28 个交互笔记。
还缺什么(坦白说)
| 缺口 | 说明 | 状态 |
|---|---|---|
| Prompt Engineering 基础 | CoT / Few-shot / System Prompt 的系统讲解 | 待写 |
| API 调用入门 | 从 HTTP 到 tool_use,对完全不懂 API 的人 | 待写 |
| 端到端项目 | 一个完整的 RAG + Agent + MCP 综合项目 | 待写 |
| 部署与生产 | 成本、延迟、监控、安全 | 待写 |
这些"待写"不是承诺,是方向。如果你觉得某个缺口对你特别重要,开个 Issue 告诉我。