# ai-agent-study

**Repository Path**: yuzhoutang/ai-agent-study

## Basic Information

- **Project Name**: ai-agent-study
- **Description**: 学习ai agent 开发
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2026-07-02
- **Last Updated**: 2026-09-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Agent, langchain, langgraph

## README

# AI Agent 开发学习任务大纲（Python基础版）

官网学习文档：
https://docs.langchain.com/oss/javascript/langgraph/interrupts?f_link_type=f_linkinlinenote&flow_extra=eyJpbmxpbmVfZGlzcGxheV9wb3NpdGlvbiI6MCwiZG9jX3Bvc2l0aW9uIjowLCJkb2NfaWQiOiJjMDQ5NDUzMmYyMzdkNGYyLTkyNjRlMjlhNmYxZjZhYTYifQ%3D%3D

## 学习目标

从前端开发方向转型为 AI Agent 应用开发工程师，掌握：

* 大语言模型（LLM）应用开发能力
* Agent 架构设计能力
* RAG 知识库系统开发能力
* AI 工具调用与工作流编排能力
* AI 全栈应用落地能力

最终能够独立开发：

* 企业知识库 Agent
* AI 助手
* 自动化工作流 Agent
* 多 Agent 协作系统
* AI 产品前后端应用

---

# 第一阶段：大模型应用基础（第1～2周）

## 学习目标

理解 LLM 工作方式，掌握调用大模型 API 的基本能力。

## 学习内容

### 1. LLM 基础概念

学习：

* Transformer 基本原理
* Token
* Context Window
* Embedding
* Prompt
* Temperature
* Top-p
* Hallucination（模型幻觉）

目标：

能够理解：

* 为什么模型会产生错误答案
* 如何优化提示词
* 如何控制模型输出

---

### 2. 大模型 API 使用

学习：

* OpenAI API
* Claude API
* Gemini API

掌握：

* Chat API 调用
* Streaming 输出
* JSON Structured Output
* Function Calling

实践：

完成：

* AI 聊天机器人
* AI 内容生成工具
* AI 数据分析助手

---

# 第二阶段：Prompt Engineering（第3～4周）

## 学习目标

掌握人与模型沟通的方法，提高 Agent 稳定性。

## 学习内容

### Prompt 技术

学习：

* Zero-shot Prompt
* Few-shot Prompt
* Role Prompt
* Chain of Thought
* ReAct Prompt
* Output Format 控制

---

## 实践任务

开发：

### 项目1：AI 助手

功能：

* 用户输入问题
* AI 分析需求
* 返回结构化答案

要求：

* 支持 Markdown
* 支持流式输出
* 保存聊天记录

---

# 第三阶段：RAG 知识库开发（第2个月）

## 学习目标

掌握企业级 AI 应用最核心能力。

## 学习内容

### RAG 原理

理解：

```
文档
 ↓
切片 Chunk
 ↓
Embedding
 ↓
向量数据库
 ↓
检索
 ↓
LLM生成答案
```

---

## 技术栈

学习：

### 文档处理

* PDF解析
* Markdown解析
* Word解析
* 网页抓取

### Embedding

学习：

* OpenAI Embedding
* BGE Embedding

### Vector Database

掌握：

* FAISS
* Chroma
* pgvector
* Milvus

---

## 实践任务

项目：

# 企业知识库 Agent

功能：

* 上传文件
* 自动建立知识库
* 用户提问
* AI 根据资料回答

要求：

* React 前端
* Python FastAPI 后端
* 向量数据库存储

---

# 第四阶段：Agent 核心开发（第3个月）

## 学习目标

掌握 AI Agent 的设计方式。

---

## 学习内容

### Agent 基础架构

理解：

```
用户
 |
Agent
 |
+---- Tool
|
+---- Memory
|
+---- Knowledge Base
|
+---- Workflow
```

---

## 核心能力

学习：

### Tool Calling

掌握：

* API调用
* 数据库查询
* 文件操作
* 搜索工具

---

### Memory

学习：

短期记忆：

* Conversation Memory

长期记忆：

* Vector Memory

---

### Agent Planning

学习：

* ReAct
* Task Planning
* Reflection
* Self Correction

---

# 第五阶段：Agent 框架学习（第4个月）

## 学习目标

掌握生产级 Agent 开发框架。

---

## LangChain

学习：

* Model
* Prompt Template
* Chain
* Agent
* Tool
* Retriever

---

## LangGraph（重点）

学习：

* State
* Node
* Edge
* Workflow
* Human-in-the-loop

实践：

开发：

### Research Agent

功能：

用户输入主题：

↓

Agent 自动：

* 搜索资料
* 总结内容
* 生成报告

---

## OpenAI Agents SDK

学习：

* Agent
* Tool
* Handoff
* Guardrails

---

# 第六阶段：AI 全栈工程能力（第5个月）

## 学习目标

结合前端优势，开发完整 AI 产品。

---

## 前端方向

强化：

* React
* Next.js
* TypeScript
* Tailwind CSS

学习：

* Streaming UI
* SSE
* WebSocket
* Markdown Renderer

---

## 后端方向

学习：

* FastAPI
* Async Python
* Redis
* PostgreSQL
* Docker

---

## 部署能力

学习：

* Linux
* Docker Compose
* 云服务器部署
* CI/CD

---

# 第七阶段：高级 Agent 技术（第6个月）

## 学习内容

### Multi-Agent

理解：

```
Manager Agent

    |
--------------
|      |      |
搜索   编码   分析
Agent Agent Agent
```

学习：

* Agent 协作
* Agent 通信
* 任务分配

---

### Agent Evaluation

学习：

* Prompt Evaluation
* RAG Evaluation
* Accuracy测试
* Cost控制

工具：

* LangSmith
* OpenAI Evaluation

---

# 项目作品规划

## 项目1：AI 知识库助手

技术：

* React
* FastAPI
* RAG
* Vector DB

展示能力：

* 企业AI应用开发

---

## 项目2：AI Research Agent

功能：

* 自动搜索
* 信息整理
* 自动写报告

展示能力：

* Agent Workflow

---

## 项目3：AI Coding Assistant

功能：

* 代码解释
* Bug分析
* 自动生成代码

展示能力：

* AI开发工具方向

---

# 每周学习安排

## 工作日

每天：

* 1小时理论学习
* 1小时代码实践

---

## 周末

完成：

* 一个小功能
* 一个技术总结
* 一个 GitHub 提交

---

# 最终技能目标

完成学习后，应具备：

```
Frontend
 React / Next.js / TypeScript

Backend
 Python / FastAPI / Database

AI
 LLM API
 Prompt Engineering
 RAG
 Agent
 Tool Calling
 Workflow

Engineering
 Docker
 Cloud
 System Design
```

目标岗位：

* AI Agent Engineer
* AI Application Engineer
* AI Full Stack Engineer
* LLM Application Developer