这是一份面向 AI Agent 开发者 的系统化学习指南。无论你是准备面试、转型 AI 方向，还是希望深入理解 Agent 系统的设计与实现，这份指南都能帮助你建立完整的知识体系。
内容覆盖从 LLM 基础原理到生产级 Agent 系统的全链路，包含理论讲解、代码实战、系统设计和面试准备。
- 准备 AI/ML 工程师面试的候选人
- 希望从传统软件工程转型 AI Agent 开发的工程师
- 想系统理解 Agent 架构的技术负责人
- 对 LLM 应用开发感兴趣的开发者
按照以下路线逐章学习，打勾标记你的进度：
- 第 1 章：LLM 基础 — Transformer 架构、注意力机制、Tokenization、推理优化
- 第 2 章：Agent 设计模式 — ReAct、Planning、Reflection、Multi-Agent 协作
- 第 3 章：Tool Use 与 Function Calling — 工具定义、调用流程、MCP 协议
- 第 4 章：RAG 深入 — 检索增强生成、Embedding、向量数据库、评估指标
- 第 5 章：框架对比 — LangChain、LlamaIndex、Semantic Kernel、Anthropic SDK
- 第 6 章：编码实战 — 手写 Agent 循环、Tool 集成、端到端项目
- 第 7 章：生产化 — 可观测性、成本控制、延迟优化、容错设计
- 第 8 章：安全与对齐 — Prompt Injection 防御、Guardrails、红队测试
- 第 9 章：系统设计题 — 面试框架、经典设计题、架构权衡
- 第 10 章：面试冲刺 — 高频理论题、编码题、行为面试、学习路线图
- 第 11 章：推荐课程与资源 — 大学课程、在线课程、论文、官方文档、社区