L0 系列课程总览：AI Agent 工程学习路径

• 难度 ⭐（入门）
• 预计阅读 5 分钟

课程目标：5 分钟看清整个课程的章节列表和四种学习路径，决定从哪里开始。

一、系列课程整体介绍#

AI Agent 工程是什么#

AI Agent（智能体）是由大语言模型（LLM）决定控制流的应用程序——区别于"问一句答一句"的 Chatbot，Agent 能自主规划步骤、调用外部工具、操作浏览器与数据库、与其它 Agent 协作，完成一个完整目标。

AI Agent 工程则是把 Agent 从 Demo 变成产品所必需的工程学科，涵盖协议、框架、可观测性、安全、评估、UX、多模态等所有让 Agent 在真实生产环境可靠运行的工程能力。

课程覆盖的知识点#

本课程共 28 节、11 个模块，系统讲解 AI Agent 工程的全部核心知识点：

🧠 基础与范式

• Agent 心智跃迁：从 Chatbot 到 Agent 的本质区别；LLM 决定控制流

• ReAct 循环：思考 → 行动 → 观察的循环范式，Agent 推理的事实标准

• Function Calling / Tool Use：让 Agent 调用外部函数的标准协议

🛠 框架与工程

• 主流框架：LangGraph / AutoGen / CrewAI / smolagents / OpenAI Agents SDK / Microsoft Agent Framework 的选型与差异

• LangGraph 状态图：StateGraph、Checkpoint、Thread 管理 Agent 状态

• 工具与协议：MCP（工具调用）、A2A（智能体协作）、NLWeb（站点协议）三大互操作协议

• 多 Agent 协作：Manager-Worker / Group Chat / Debate / Handoff 模式

• 本地推理：Foundry Local、Ollama 离线运行 Agent

🧭 高级推理

• 规划模式：Plan-and-Execute、ReWOO、LLM Compiler 让 Agent 自主拆解任务

• 元认知与评估：Self-Reflection、LLM-as-Judge 让 Agent 反思与自评

• Agentic RAG：Self-RAG、Maker-Checker、查询改写，让 Agent 主动检索并校验知识

• Context Engineering：Context 四大失败模式与修复方法

• 代理记忆：短期 / 长期 / 情景 / 语义 / 程序 / 工作 / 知识图谱 七大记忆类型

🚀 生产与运维

• 生产部署：可观测性（Tracing / Metrics / Logging）、可恢复性、可演进性

• Foundry 托管：云端 Agent Service V2、模型路由、评估门、A/B 测试

• Agent UX 设计：透明度、流式响应、错误恢复、HITL 协作体验

• 浏览器 Agent：DOM 操作、Playwright、Computer Use 让 Agent 像人上网

🛡 安全与工作流

• 加密审计：Ed25519 签名、哈希链、JCS 规范化让 Agent 动作可独立验证

• 工作流工程：Checkpoint 状态持久化、Saga 补偿事务、Retry 重试、Dead Letter Queue、HITL 分级审批、Event Sourcing 事件溯源

• 可信赖 Agent：透明、可靠、安全、公平、隐私、可解释六大原则

🧪 高级专题（上线必学）

• 多模态 Agent：GPT-4o Vision、Whisper、GPT-4o Realtime、Azure Document Intelligence 处理图像 / 语音 / 文档

• Agent 调试与故障分析：Reasoning Trace、Trace 重放、反事实分析、Postmortem 复盘

• Prompt 注入与对抗性防御：OWASP LLM Top 10、直接-间接-多模态注入、四层防御、红队演练

• Agent 测试方法论：测试金字塔、Golden Set 回归、合成数据、CI/CD 评测门、Canary 发布

学习闭环#

课程按 概念 → 实战 → 架构 → 协议 → 生产 → 工作流 → 高级 的顺序展开，构成完整学习闭环：先理解 Agent 是什么（L1-L3），再学工具与状态（L4-L5），掌握多 Agent 与规划（L6-L8），熟悉框架与协议（L11-L18），最后攻下生产 / 安全 / 高级专题（L19-L27）。

你将能做什么#

学完本课程，你将能：

• 讲清楚：Agent vs Chatbot、ReAct、Function Calling、Multi-Agent、MCP/A2A 协议、记忆与规划、元认知等核心概念

• 选得对：根据场景在 LangGraph / AutoGen / CrewAI / smolagents / MAF 之间做技术选型

• 搭得稳：从原型到生产，涵盖可观测性、HITL、加密审计、长任务工作流

• 守得住：识别 Prompt 注入、调试线上故障、用测试金字塔守住质量底线

节奏#

整体节奏：佛系学习，每周 2-3 小时，3-6 周完成核心 + 高级专题。

二、四条学习路径：按你的目的选一条#

课程有 28 节，但不需要按顺序全刷。四条路径按不同目的裁剪了学习顺序：

路径 A · 转岗求职（最常用）#

目标：3-4 周后能面试、能讲清概念、能画架构图

L0 → L1 → L2 → L3 → L4 → L5 → L6 → L7 → L8 → L9

先建立心智模型（L1-L2），立刻动手写代码（L3-L4），然后补上工程骨架（L5-L7），最后用评估（L8）和框架对比（L9）收口。这条路径结束后，你应该能：

• 用一句话解释 Agent 与 Chatbot 的区别

• 手写一个 ReAct 循环

• 说清 LangGraph / AutoGen / CrewAI / smolagents 各适合什么场景

路径 B · 快速救火（已有项目要落地）#

目标：手上有个 Agent 项目，尽快能动手

L1 → L2 → L4 → L14 → L15 → L19 → L21

跳过"框架对比"和"多 Agent"，直击做项目时天天遇到的问题：工具怎么设计（L4）、上下文怎么摆（L14）、记忆怎么存（L15）、上线后怎么看（L19）、用户怎么用（L21）。

路径 C · 走向生产（做企业级系统）#

目标：把 Demo 变成能扛住生产流量的东西

L1 → L2 → L5 → L11 → L14 → L15 → L16 → L19 → L20 → L22 → L23

协议（MCP）、企业框架（MAF）、可观测性（L19-L20）、加密审计（L22）、工作流工程（L23）是这条路径的主菜。适合做平台/架构的同学。

路径 D · 安全与可靠性（做风控/审计/合规）#

目标：能判断一个 Agent 系统是否"敢上线"

L1 → L2 → L11 → L13 → L22 → L26 → L27

威胁模型（L13）、加密收据（L22）、注入防御（L26）、测试方法论（L27）。这条路径的落点是：你能对着一份 Agent 架构图，逐条说出它会在哪里被攻击、怎么防、怎么测。

三、章节模块 一览#