想入行 AI Agent 开发？这份路线图列了 10 个学习模块

AI 智能体开发者路线图 │ ├── 1. 编程基础 │ ├── Python 基础 │ ├── JavaScript 与 TypeScript 基础 │ ├── 数据结构与算法 │ ├── 面向对象编程 │ ├── 异步编程 │ ├── 函数与模块 │ ├── 错误处理 │ ├── Git 与 GitHub │ ├── Linux 与命令行 │ └── API 与 JSON │ ├── 2. 数学与 AI 基础 │ ├── 线性代数 │ ├── 概率与统计 │ ├── 微积分基础 │ ├── 优化 │ ├── 机器学习基础 │ ├── 监督学习与无监督学习 │ ├── 神经网络 │ ├── 深度学习 │ └── 强化学习基础 │ ├── 3. 理解大语言模型 │ ├── 什么是 LLM？│ ├── Transformer 架构 │ ├── 注意力机制 │ ├── 分词 │ ├── 嵌入 │ ├── 上下文窗口 │ ├── 下一个 token 预测 │ ├── 模型推理 │ ├── 温度与采样 │ ├── 幻觉 │ ├── 开源与闭源模型 │ └── 多模态模型 │ ├── 4. LLM API 与模型提供商 │ ├── OpenAI API │ ├── Anthropic API │ ├── Google Gemini API │ ├── Meta Llama 模型 │ ├── DeepSeek 模型 │ ├── Mistral 模型 │ ├── Qwen 模型 │ ├── Hugging Face │ ├── Ollama │ ├── vLLM │ └── 模型路由与回退 │ ├── 5. 提示与上下文工程 │ ├── 提示工程 │ ├── 系统指令 │ ├── 零样本提示 │ ├── 少样本提示 │ ├── 基于角色的提示 │ ├── 结构化输出 │ ├── JSON Schema │ ├── 提示模板 │ ├── 上下文工程 │ ├── 动态上下文管理 │ ├── 提示优化 │ └── 提示注入防御 │ ├── 6. 智能体基础 │ ├── 什么是 AI 智能体？│ ├── AI 智能体与 LLM 的区别 │ ├── 智能体与传统自动化的区别 │ ├── 智能体架构 │ ├── 感知与推理 │ ├── 规划与执行 │ ├── 目标与任务 │ ├── 智能体控制循环 │ ├── 自主决策 │ ├── 单智能体系统 │ └── 智能体工作流 │ ├── 7. 工具使用与函数调用 │ ├── 函数调用基础 │ ├── 工具定义 │ ├── 工具 Schema │ ├── 工具选择 │ ├── 工具执行 │ ├── 工具结果处理 │ ├── 多工具编排 │ ├── API 集成 │ ├── 数据库工具 │ ├── 网页搜索工具 │ ├── 代码执行工具 │ ├── 浏览器自动化 │ └── 敏感操作的人工审批 │ ├── 8. 智能体推理与规划 │ ├── ReAct 模式 │ ├── 思维链概念 │ ├── 任务分解 │ ├── 规划策略 │ ├── 面向目标的推理 │ ├── 反思模式 │ ├── 自我修正 │ ├── 重试与恢复策略 │ ├── 规划与执行循环 │ ├── 状态机 │ └── 确定性与自主工作流 │ ├── 9. 智能体记忆系统 │ ├── 什么是智能体记忆？

│ ├── 短期记忆 │ ├── 长期记忆 │ ├── 情景记忆 │ ├── 语义记忆 │ ├── 工作记忆 │ ├── 对话历史 │ ├── 记忆检索 │ ├── 记忆摘要 │ ├── 基于向量的记忆 │ └── 记忆管理策略 │ ├── 10. 检索增强生成（RAG） │ ├── RAG 基础