一总览：路线图与阶段划分
Agent 开发的本质是：用 LLM 作为推理内核，让它能够感知环境、调用工具、维护状态、自主决策，并在工程约束（成本、延迟、可靠性）下完成多步任务。因此学习路线要覆盖四层能力：
| 能力层 | 内容 | 对应阶段 |
|---|
| 模型交互层 | LLM API、上下文窗口、采样参数、流式输出、多模态 | 阶段一 |
| 行为塑造层 | Prompt 设计、结构化输出、Few-shot、思维链 | 阶段二 |
| 能力扩展层 | Function Calling、MCP、RAG、记忆系统 | 阶段三、四 |
| 系统编排层 | Agent 架构模式、框架、多智能体、评估、可观测性、部署 | 阶段五、六 |
节奏说明：全计划按「每周投入 10–14 小时」设计。若每周只能投入 5–6 小时，把周期等比拉长到 28–32 周即可，不要砍掉动手环节——Agent 是极度依赖手感的领域，只看文章不看报错的人学不会。
路线图
- 第 1–2 周 模型交互地基（Python + LLM API + 流式/多模态）
- 第 3–4 周 Prompt 与结构化输出（可解析、可验证的 LLM 调用）
- 第 5–6 周 工具调用与 MCP（让模型"长出手脚"）
- 第 7–9 周 RAG（向量检索、混合检索、重排、评估）
- 第 10–12 周 Agent 架构与框架（ReAct / Plan-Execute / LangGraph / 多智能体）
- 第 13–16 周 工程化（评估体系、可观测性、护栏、成本、部署）+ 毕业项目
二阶段一（第 1–2 周）：地基 —— Python 与 LLM API
目标
能独立、稳定地调用主流大模型 API，理解模型行为背后的关键参数，能写出处理流式输出与异常重试的健壮代码。
知识点清单
- Python 快速上手（Java 视角）：类型注解（
typing）、装饰器、异步（asyncio）、虚拟环境与依赖管理（uv / venv）。Java 开发者重点关注：动态类型带来的运行时错误，务必养成写类型注解的习惯。
- LLM 核心概念：Token 与上下文窗口、温度（temperature）与 top_p、系统提示词的角色、最大输出限制、各模型的定价与限流。
- API 实操：OpenAI 兼容格式（国内模型几乎全部兼容）、对话消息结构（system/user/assistant/tool）、流式输出（SSE）、多模态输入（图片/文档）。
- 健壮性基础：指数退避重试、限流处理（429）、超时与取消、结构化日志。
动手任务
- 任务 1.1：写一个命令行多轮对话程序，支持流式输出、历史裁剪（超过 N token 时丢弃最早轮次）、断线重试。
- 任务 1.2：写一个"批量摘要脚本"：读入 20 个文本文件，并发（asyncio）调用模型生成摘要，控制并发数 ≤ 5，失败自动重试，最后汇总成 Markdown 报告。
验收标准
✓ 能解释清楚：为什么上下文长度不等于"能塞进这么多字"；✓ 你的批量脚本能跑完 20 个文件且中途无人工干预；✓ 能估算一次调用的成本并打印出来。
三阶段二（第 3–4 周）：Prompt Engineering 与结构化输出
目标
从"和模型聊天"升级为"给模型下规格"：写出可解析、可验证、可回归测试的 Prompt，这是 Agent 可靠性的第一道防线。
知识点清单
- 结构化输出：JSON Schema 约束、JSON mode、Pydantic 模型校验、输出解析失败的重试策略。
- Prompt 设计模式：角色设定、任务分解、Few-shot 示例、思维链（CoT）、输出格式约定、负面约束的写法（告诉模型"不要做什么"往往不如告诉它"要做什么"有效）。
- Prompt 的工程化管理：把 Prompt 当代码管理——版本化、参数化模板（如 Jinja2）、回归测试集。
- 常见陷阱：指令冲突、上下文稀释（"迷失在中间"）、过度依赖 CoT 导致的慢与贵。
动手任务
- 任务 2.1：实现一个"客服工单分类器"：输入原始工单文本，输出 Pydantic 校验过的结构（类别 / 紧急度 / 情绪 / 摘要），解析失败率要求 < 2%（用重试 + Schema 约束达成）。
- 任务 2.2：搭建一个极简 Prompt 回归测试脚本：准备 30 条标注样本，每次改 Prompt 后跑一遍，输出准确率对比。
验收标准
✓ 能说明 JSON mode、Schema 约束、输出后校验三种手段各自解决什么问题；✓ 分类器在 30 条样本上准确率 ≥ 85%，且每一次修改都有数据对比。
四阶段三（第 5–6 周）：工具调用、Function Calling 与 MCP
目标
理解"模型决定调用什么"与"系统实际执行什么"的边界，掌握工具设计的最佳实践，了解 MCP 协议为什么出现、解决了什么问题。
知识点清单
- Function Calling 机制：完整请求-响应循环（模型返回 tool_calls → 你执行 → 回填 tool 结果 → 模型继续），并行工具调用，强制调用（tool_choice）。
- 工具设计原则：工具名与描述是给模型看的"API 文档"；参数设计要少而清晰；返回值要模型可读（别返回 50 行原始 JSON，做裁剪和摘要）；一个工具做一件事，宁可选组合也不用布尔参数爆炸。
- 错误处理：工具报错要把错误信息回填给模型让它自行调整，而不是直接崩溃——这是新手最常见的坑。
- MCP（Model Context Protocol）：协议动机（M×N 集成问题）、Server/Client 架构、tools/resources/prompts 三类能力、stdio 与 HTTP 传输、如何写一个最小 MCP Server。
- 安全边界：工具权限分级、危险操作的确认机制、注入风险（工具返回的内容可能含有恶意指令）。
动手任务
- 任务 3.1：不使用任何框架，纯手写一个工具调用循环：给模型提供「查天气」「查日历」「发提醒」三个工具，让它能完成"明天如果下雨，早上 8 点提醒我带伞"这类多步任务。
- 任务 3.2：写一个最小 MCP Server（如暴露"读取本地笔记"能力），并用一个支持 MCP 的客户端连通测试。
- 任务 3.3：故意让一个工具抛异常，验证你的循环能优雅处理并让模型自行换路。
验收标准
✓ 能在白板上画出 function calling 完整时序图；✓ 手写循环任务 3.1 无框架跑通；✓ 能说清 MCP 与直接写 function calling 相比的收益与代价。
五阶段四（第 7–9 周）：RAG 检索增强
目标
完整掌握"让模型用上外部知识"的工程全链路：切片 → 向量化 → 检索 → 重排 → 生成 → 评估。RAG 是目前企业级 Agent 落地中占比最高的场景。
知识点清单
- 文档处理：格式解析（PDF/Word/HTML/表格）、清洗、切片策略（固定长度 / 递归 / 语义切片 / 按文档结构切片）、重叠窗口、切片的元数据设计（来源、标题、日期——引用溯源全靠它）。
- Embedding 与向量库：Embedding 模型的选择与维度、相似度度量、向量库（Milvus / Qdrant / FAISS / pgvector）的取舍、索引与增量更新。
- 检索策略：向量检索的局限、混合检索（BM25 关键词 + 向量）、查询改写（HyDE、多查询展开、子问题分解）、重排（Cross-Encoder / Rerank API）、Top-K 与上下文预算的平衡。
- 生成与引用：答案要带引用来源、"检索不到就明说"的拒答设计。
- RAG 评估：检索命中率（Hit Rate / MRR）、生成忠实度（Faithfulness）、答案相关性，用 Ragas 等工具跑通一次完整评估。
- 进阶认知：什么场景 RAG 不如长上下文直塞？什么场景该上 GraphRAG / 结构化查询（Text2SQL）？——面试高频问题。
动手任务
- 任务 4.1：把你手头一份真实文档（如 30MB 需求 Word 文档的某个章节、或一套教材）做成问答机器人：解析 → 切片 → 入库 → 检索问答，答案带页码/章节引用。
- 任务 4.2：给任务 4.1 加混合检索 + 重排，用 20 个自建测试问题对比"纯向量 vs 混合 vs 混合+重排"的命中率，写成一份对比报告。
- 任务 4.3：设计拒答逻辑：检索得分低于阈值时明确回答"文档中没有相关内容"，并用测试集验证误拒率。
验收标准
✓ 能说出三种切片策略各自的适用文档类型；✓ 对比报告里有量化数据支撑结论；✓ 能解释"检索没问题但回答错了"和"检索就错了"如何区分排查。
六阶段五（第 10–12 周）：Agent 架构与框架实战
目标
这是核心阶段。理解主流 Agent 架构模式的适用边界，熟练掌握至少一个图编排框架，能设计多智能体协作系统。
知识点清单
- 架构模式光谱（从可控到自主）：
- 工作流（Workflow）：预定义流程 + 模型填充节点，可控性最高；
- ReAct：思考 → 行动 → 观察 循环，最经典的自主模式；
- Plan-and-Execute：先全局规划再分步执行，适合长任务；
- Reflection / 自我修正：执行后自评并重试；
- Multi-Agent：主管-工人模式（Supervisor）、流水线模式、辩论模式。
- 核心判断力：Anthropic 的《Building Effective Agents》核心观点——能用工作流解决的不要上自主 Agent。复杂度是成本，简单模式优先。
- 状态与记忆：短期记忆（对话历史管理、上下文压缩/摘要）、长期记忆（事实库、用户偏好、向量记忆）、检查点（Checkpoint）与断点恢复。
- 框架实战（主攻一个，理解两个）：
- LangGraph（推荐主攻）：图编排、状态机、Human-in-the-loop 中断恢复——工业界主流；
- OpenAI Agents SDK：轻量，Handoff 模式简洁；
- AutoGen / CrewAI：多智能体对话编排的代表；
- 了解 Claude Agent SDK / 各家 coding agent 的设计思想。
- Human-in-the-loop：关键操作前暂停等人工确认、中断后从检查点恢复——企业落地刚需。
动手任务
- 任务 5.1：用 LangGraph 重写阶段三的手写工具循环，体会图编排带来的状态管理、条件路由和可观测性收益。
- 任务 5.2：实现一个 Plan-and-Execute 研究助手：给定主题 → 规划子问题 → 逐个调用搜索/RAG 工具 → 汇总报告，支持执行中断点恢复。
- 任务 5.3：搭一个 Supervisor 多智能体系统：一个主管调度「检索员」「计算员」「写作员」完成"分析某公司财报并写摘要"任务。
- 任务 5.4：在 5.2 中加入 Reflection 节点：草稿生成后自评"是否回答了所有子问题"，不达标则补充检索。
验收标准
✓ 面对任意需求，能先判断"该用工作流还是自主 Agent，为什么"；✓ 能画出你的多智能体系统的图结构并解释每个边存在的原因；✓ 中断恢复真的能工作（杀掉进程重启，从检查点继续）。
七阶段六（第 13–16 周）：工程化、评估与上线
目标
Demo 与产品之间的距离，全在这个阶段补齐。这是区分"会玩 Agent"和"能交付 Agent"的分水岭，也是面试考察的重心。
知识点清单
- 评估体系（Eval）：
- 构建评估集（真实场景抽样 + 边界用例）、单步评估 vs 端到端评估；
- LLM-as-Judge：设计评分量规（rubric）、位置偏差与自评偏差的校正；
- 回归测试：每次改 Prompt/换模型全量跑评估集——Agent 版的 CI。
- 可观测性：全链路 Tracing（每次工具调用、每步 LLM 输入输出的记录）、LangSmith / Langfuse / OpenTelemetry、成本与延迟的分步归因。
- 可靠性工程：
- 死循环防护（最大步数、重复动作检测）；
- 幻觉抑制（引用约束、事实验证节点）；
- 护栏（Guardrails）：输入侧注入检测、输出侧敏感内容与格式校验；
- 降级策略：模型超时切备用模型、工具失败切缓存/默认值。
- 成本与延迟优化：模型分级路由（简单步骤用小模型）、缓存（语义缓存）、并行化独立步骤、上下文裁剪、Prompt 瘦身。
- 安全：Prompt 注入（直接/间接）、工具越权、数据隔离（多租户）、密钥管理。
- 部署：异步任务队列、流式接口（SSE/WebSocket）、会话状态外置（Redis）、灰度与 A/B。
动手任务（毕业项目）
毕业项目 · 第 13–16 周
选择一个你真实有需求的场景，把前面所有能力串起来，做成可演示、可运维的系统。推荐题目（按你的工作背景定制）：
- A. 需求文档问答与设计辅助 Agent：针对大体量 Word 需求文档，做"检索问答 + 条目抽取 + 生成设计文档初稿"的多步骤系统，带引用溯源与人工确认环节。
- B. 教材内容整理 Agent：读入多章节 Markdown 教材，自动生成知识点卡片、章节测验题、术语表，输出结构化文档。
- C. 数据报表助手：自然语言提问 → Text2SQL 查询 → 图表生成 → 解读报告，带 SQL 安全校验与错误重试。
毕业标准：① 有 50+ 用例的评估集和评估报告；② 接入 Langfuse 类追踪，能展示任意一次运行的完整链路与成本；③ 有护栏与降级方案说明；④ 一份架构决策记录（为什么这么设计、放弃了什么方案）。
八三个里程碑项目（贯穿全程）
| 里程碑 | 时间 | 内容 | 能力验证点 |
|---|
M1
结构化调用工具箱 |
第 6 周末 |
无框架手写：结构化输出 + 工具调用循环 + 错误回填 + 重试 |
理解底层机制，不被框架黑盒绑架 |
M2
领域知识问答系统 |
第 9 周末 |
真实文档 RAG：解析→切片→混合检索→重排→带引用生成→评估报告 |
RAG 全链路 + 数据驱动的优化方法 |
M3
多智能体应用 |
第 12 周末 |
LangGraph 图编排：Plan-Execute + 多角色协作 + 断点恢复 + Human-in-the-loop |
架构设计能力 + 框架熟练度 |
三个里程碑 + 毕业项目，构成你简历上的四个可讲述的实战故事——面试中比任何证书都有说服力。
九学习方法与避坑指南
方法
- 先机制后框架：每个概念先用裸 API 手写一遍，再用框架实现。框架迭代很快，机制不变。
- 读源码级论文与官方工程博客：ReAct、Reflexion、Anthropic 的《Building Effective Agents》《Writing Effective Tools》、OpenAI 的《A Practical Guide to Building Agents》——这类一手材料比二手教程价值高一个数量级。
- 建立自己的错误博物馆：每次 Agent 跑挂，记录「现象 → 根因 → 修复 → 如何预防」。一个月后这本册子就是你的面试弹药库。
- 每周输出：把当周任务写成笔记或博客。写作会暴露理解的漏洞。
避坑
- ❌ 一上来就堆多智能体——90% 的需求一个精心设计的单 Agent + 好工具就够了。
- ❌ 只调 Prompt 不建评估集——没有评估集的优化是玄学，也是面试扣分项。
- ❌ 忽视工具描述的质量——工具描述写得差，再强的模型也会选错工具。
- ❌ 把上下文塞满——上下文越长模型注意力越稀释，"更多信息"经常导致"更差决策"。
- ❌ 无护栏直接放自主 Agent 碰生产系统（尤其有写权限的）——先 Human-in-the-loop，再逐步放开。
十资源汇总
一手材料（必读）
- Anthropic：Building Effective Agents、Writing Effective Tools for Agents、Building Context Engineering —— 架构判断力的最佳来源
- OpenAI：A Practical Guide to Building Agents、Function Calling / Responses API 文档
- 论文：ReAct（推理+行动协同）、Reflexion（自我反思）、Toolformer、RAG 原始论文、Self-RAG
- MCP 官方规范与 Quickstart（modelcontextprotocol.io）
课程与文档
- DeepLearning.AI 短课系列：《AI Agents in LangGraph》《Multi AI Agent Systems with crewAI》《Building and Evaluating Advanced RAG》——短平快，适合补框架上手
- LangGraph 官方文档（含多份端到端教程与模板库 langgraph-templates）
- 12-Factor Agents（github.com/humanlayer/12-factor-agents）——Agent 工程化的十条原则，工程视角极佳
工具清单
| 类别 | 推荐 |
|---|
| 框架 | LangGraph（主攻）、OpenAI Agents SDK、CrewAI / AutoGen（了解） |
| RAG | LlamaIndex、Milvus / Qdrant / pgvector、Ragas（评估） |
| 可观测 | Langfuse（开源自部署友好）、LangSmith |
| 协议 | MCP SDK（Python/TypeScript） |
| 沙箱 | Docker（代码执行类工具的隔离运行环境） |