AI

每天吃透一个 AI 知识点 —— 零基础 AI Agent 学习路线图

Posted Cola🌀

转载：小红书 AI产品赵哥

前言🔖

我最近深入研究了一份在 GitHub 上开源的 AI Agent 学习地图，叫 awesome-agentic-ai-zh。这份地图专门为我们中文用户设计，逻辑清晰，路径明确，很容易上手。

今天，我就要把这份地图的核心拆解开来，分享给你。我将按照它的逻辑，把它拆解成 7 个阶段，每个阶段都有练习，也有建议学习时长（多少周）。

计划学习 Agent 的小伙伴，可以跟随这篇笔记，开始 AI Agent 的进阶之路。

好了，大家准备好了吗？咱们可发车了！！！

先问自己：你想用 Agent？还是造 Agent？

在学习之前，我们先明确一个核心的问题：对于 AI Agent，我到底是想成为一个使用者，还是一个创造者？

  • 使用者：你想成为一个绝地武士吗？ 你对从零开始打造一把光剑的复杂物理原理不感兴趣。你想要的，是拿到一把像 Claude Code、Cursor、Devin 这样已经铸造好的、削铁如泥的利器，然后用它来让你的工作效率提升十倍、百倍。我们称这条路为 Track A：用 Agent。
  • 创造者：你想成为一个绝地铸剑师吗？ 你不仅想用剑，你更痴迷于光剑内部的凯伯水晶、能量循环、聚焦透镜。你渴望理解它背后的原理，甚至想亲手从零开始，打造一把拥有自己独特印记的、专属于某个领域的定制宝剑。我们称这条路为 Track B：造 Agent。

这两条路，没有高下之分，只有方向不同。

很多人会选择先走完 Track A，成为一个熟练的剑客，然后再回头探索 Track B，这非常合理。

但无论你最终的选择是什么，前三个阶段（Stage 0 到 Stage 2）是所有人的必修课。这就像无论是想成为剑客还是铸剑师，你都必须先完成体能训练、基础格斗和原力感知的入门，打下坚实的基础。

现在，让我们从新手村出发，踏上铸剑之旅。

　　

一、共同基础阶段 (Stage 0-2)：新手必修课🔖

这个阶段预计花费 3-5 周时间。

🔹1.1 Stage 0：基础准备（预计 1-2 周）

【自检清单】

你需要问自己，以下几点我做到了吗？

  1. 基本的编程能力：我能用任何一种我熟悉的语言（Python、JavaScript 等），独立写出一个函数吗？我明白什么是 API，并且知道如何调用 HTTP 接口吗？
  2. 数据格式的理解：我看得懂 JSON 格式的数据吗？我知道 {} 代表对象，[] 代表数组，"key": "value" 是键值对吗？
  3. 版本控制工具：我会在 GitHub 上 git clone 一个项目到我的电脑吗？
  4. 命令行：我愿意尝试用敲命令的方式，而不是全靠鼠标点击来和电脑交互吗？

【如何行动】

  • 如果你对以上问题都给出了肯定的回答：你可以直接跳到 Stage 1。
  • 如果你对其中某几项感到心虚：别怕，这太正常了！缺啥补啥。现在就去花一到两周的时间，找一些免费的入门教程，把这些基础知识迅速补齐。

我们上期讲了，CLI（命令行界面）是未来与 AI Agent 高效交互的主要方式。现在开始培养使用命令行的习惯，你将在未来的学习中受益。

　　

🔹1.2 Stage 1：LLM 入门（预计 1 周）

很多人以为自己天天和 ChatGPT 聊天，就是懂 AI 了。这其实是一个巨大的误解。这就像一个天天坐高铁的人，以为自己懂高铁的永磁同步牵引电机和再生制动系统一样。

用过 ≠ 理解

这个阶段，你需要从一个纯粹的使用者，稍微深入一点，去理解大语言模型（LLM）的一些基本原理和脾气。

【必懂概念】

  1. Token 是什么？为什么 AI 的思考和计费，都不是按字儿来算，而是按 Token？一个中文词大概是几个 Token？（这个问题我们在之前的《Token》一篇详细聊过，感兴趣的小伙伴可以回翻）
  2. 上下文窗口（Context Window）：为什么 AI 的记忆是有限的？为什么聊着聊着它就会忘记前面的内容？上下文窗口到底是个啥？
  3. 大模型全家桶：GPT-5.2、Claude 4、Gemini 3、Llama 3.1…… 这些模型都有什么区别？谁的推理能力强？谁的性价比高？谁更擅长写代码？在不同的场景下，我应该选哪个模型？
  4. 本地化部署初体验：你不需要懂复杂的算法，但你应该亲手在自己的电脑上，跑一个本地的大模型。
    • 推荐工具：Ollama。它能让你像下载 App 一样，轻松地在你的 Mac 或 Windows 电脑上，一键下载并运行 Llama 3、Mistral 等各种开源模型。
    • 体验的价值：当你亲眼看到模型文件（通常好几个 GB）被下载下来，你的电脑风扇开始狂转，然后你在一个完全离线的环境里和 AI 对话时，你对模型这个概念的理解，会瞬间变得具体而深刻。

　　

🔹1.3 Stage 2：Prompt 设计（预计 1-2 周）

工程化的 Prompt 设计，是教你如何通过编写严谨的指令，让 AI 的输出稳定、可控、符合你的预期。

【三大核心技巧】

  1. 系统提示（System Prompt）—— 人设：
    • 这是你给 AI 下达的最高指令，是它所有行为的宪法。
    • 你要在这里明确地告诉它：“你现在是一个什么角色？你的行为边界是什么？你的说话风格是怎样的？你绝对不能做什么？”
    • 例如：“你是一个资深的 Python 代码审查专家。你的任务是找出代码中的逻辑错误和不符合 PEP8 规范的地方。只输出问题和修改建议，不要进行任何闲聊。”
  2. 少样本示例（Few-shot Examples）—— 范例：
    • 事实证明，给 AI 看几个具体的例子，比你写一万字的规则描述都管用。
    • 如果你想让 AI 帮你把非结构化的文本，提取成结构化的 JSON，你就在 Prompt 里直接给它两三个 “输入 – 输出” 的范例。AI 立刻心领神会，学会这种模式。
  3. 思维链（Chain of Thought, CoT）—— 想清楚再说：
    • 对于复杂的、需要多步推理的任务，如果你直接让 AI 给答案，它很容易出错。
    • CoT 的技巧就是，命令它：“不要直接给我最终答案。请先把你的思考过程、分析步骤，一步一步地写出来，最后再给出你的结论。”
    • 这个简单的指令，能奇迹般地提高 AI 在复杂任务上的准确率。因为 “写出来” 这个动作，强迫它对自己的推理过程进行了审视和梳理。

当你能熟练运用这三招，并且通过动手练习，让 AI 稳定地输出你想要的格式和内容时，恭喜你，你已经从 “新手村” 毕业了！

现在，你站在了命运的十字路口。是时候做出选择了：向左走，成为应用大师（Track A）？还是向右走，成为建造宗师（Track B）？

　　

二、Track A：用 Agent (3-5 周) 🔖

目标：成为使用现成 Agent 工具的顶尖高手，将工作效率提升到极致。

这条路更适合产品经理、设计师、运营、分析师，以及那些希望用 AI 赋能自己工作的开发者。你不一定需要从零写代码，但你需要深刻理解工具的能力边界，并学会驾驭它。

🔹2.1 A1 阶段：了解主流 CLI Agent 工具

  • 任务：去了解市面上最主流的几款 CLI Agent 工具，比如 claude-code-cli、aider、open-interpreter 等。
  • 行动：至少选择一款，按照教程在你的电脑上安装好，并花几天时间去熟悉它的基本用法。

　　

🔹2.2 A2 阶段：掌握核心工作流 Workflow

  • 任务：学会如何用 Workflow 驯化你的 Agent 工具，让它真正融入你的日常工作。
  • 核心技能：
    • 编写 CLAUDE.md：让 Agent 知道你的项目背景、技术栈、编码规范。
    • 使用 Slash Commands（斜杠命令）：学会把一个复杂的任务，拆解成多个步骤，通过 /edit，/test，/run 等命令，一步步交给 CLI Agent 去完成。

　　

🔹2.3 A3 阶段：集成与生产力落地

  • 任务：将 Agent 的能力，从简单的代码生成，扩展到完整的自动化流程。
  • 核心技能：
    • 接入 MCP Server：学会如何让你的 Agent 连接到本地文件、数据库，甚至是 Notion、JIRA 等外部服务。
    • 成本控制与可观测性：理解 Token 消耗，学会看日志，知道你的 Agent 每一步都干了什么，花了多少钱。

走完 Track A，你将成为团队里最会使用 AI 工具的人。你的生产力，将是普通人的数倍。

　　

三、Track B：造 Agent (5-6 个月) 🔖

目标：从零开始，亲手打造属于你自己的 AI Agent，深刻理解其底层原理和架构。

(注意：以下每个阶段都需要每周投入 5-8 小时的学习和实践)

🔹3.1 Stage 3：工具调用（预计 2-3 周）

这是整条路线最最核心的部分，没有之一！不要跳过了这一步，直接去学框架，那你后面的学习将是空中楼阁。

【核心目标】

你要亲手、不依赖任何框架，用最基础的 HTTP 请求和几行代码，实现一个 Agent 的核心循环（Loop）。

【两大基石】

  1. 函数调用（Function Calling / Tool Calling）：
    • 原理：LLM 本身只是一个大脑，它只会生成文字。它不能查天气、不能订机票、不能访问你的数据库。
    • Function Calling 机制：就是让 AI 在需要做这些分外之事时，不再自己瞎编，而是输出一个结构化的 JSON 对象，告诉你：“主人，我需要调用一个名为 query_weather 的函数，参数是 city: “北京”。”
    • 你的程序拿到这个指令后，去真正地执行这个函数，然后把执行结果（比如{"temperature": 25, "condition": "晴"}）再返回给 AI。
    • AI 拿到这个结果后，再继续它下一步的思考。
    • 这个 “大脑思考 → 指示动手 → 动手反馈 → 大脑再思考” 的循环，就是所有 Agent 工作的本质！
  2. ReAct 模式：
    • 原理：ReAct = Reasoning（思考）+ Acting（行动）。
    • 这是一种强大的 Prompt 设计模式，它要求 AI 在每一步行动之前，都先把自己心里想的写出来。
    • AI 的输出格式会变成：
      • Thought（思考）：用户想知道北京的天气。我需要一个能查天气的工具。啊，我有一个 query_weather 工具。
      • Action（行动）：调用 query_weather 函数，参数是 city: “北京”。
      • （你的程序执行后，将结果 Observation 返回）
      • Thought（再次思考）：我拿到了天气结果，是晴天 25 度。现在我可以回答用户的问题了。
    • 价值：ReAct 模式让 Agent 的决策过程变得透明、可解释。当它犯错时，你可以清晰地看到是它在哪一个环节出了问题。

【必须动手】

这份学习地图在这个阶段提供了 5 个必做的动手练习，从实现一个最简单的 Function Calling，到一个完整的 ReAct 循环。你必须，我再说一遍，必须亲手把这些代码敲一遍！只有这样，你才能理解 Agent 的心跳是怎样运作的。

　　

🔹3.2 Stage 4：Agent 框架选择（预计 2-3 周）

当你亲手实现了工具调用之后，你就可以开始使用框架来提高你的效率了，它帮你处理了很多繁琐的细节，让你能专注于 Agent 本身的设计。

【主流框架概览】

  • LangGraph：如果你需要对 Agent 的流程进行极其精准的控制，比如设计一个复杂的、带有很多分支和循环的工作流，LangGraph 是你的不二之选。它让你用图的思维来构建 Agent。
  • AutoGPT / CrewAI：如果你想玩多 Agent 协作，比如组建一个 “CEO – 产品经理 – 程序员 – 测试员” 的 AI 团队，让它们通过对话来完成任务，那么这两个框架值得研究。
  • Smol-Developer /a-tiny-agent：如果你追求轻量、简洁、易于理解，想从一个最小化的、几百行代码的 Agent 框架开始学习，这些项目会是很好的起点。

【学习建议】

千万不要贪多！不要试图把所有框架都学一遍。选择其中一个（初学者推荐从 LangChain 或 LangGraph 开始），深入地、系统地把它搞明白。当你理解了一个框架的设计哲学后，你会发现其他框架学起来都触类旁通，非常快。

　　

🔹3.3 Stage 5：Claude Code 生态（预计 3-4 周）

一个强大的 Agent，不能是一个孤岛。它需要与真实的世界连接，才能发挥最大的威力。这个阶段，你需要学习如何将你的 Agent 融入到整个生态中。

【两大核心路径】

  1. MCP (Model-Caller Protocol)：还记得我们之前讲过的 MCP 吗？在这里，你的角色变了。你不再是使用者，而是 MCP Server 的创建者。你要学会如何自己写一个 MCP 服务器，把你的本地的文件、数据库、Notion 页面，甚至公司的内部系统，都通过标准的 MCP 接口暴露给 Agent。
  2. Skills（技能）与 Plugins（插件）：学习如何为你自己打造的 Agent，编写可复用的技能，并将它们打包成插件，方便分发和管理。

　　

🔹3.4 Stage 6：上下文管理（预计 2 周）

Agent 本来是没有记忆的，说过的话分分钟忘掉。这个阶段主要解决两个问题：

  • 长期记忆：如何使用向量数据库（如 Chroma, Pinecone），来存储跨会话的知识、用户偏好，让 Agent 记住你。
  • RAG（检索增强生成）：如何把你自己的文档、知识库、聊天记录，通过 RAG 技术，变成 Agent 可以随时查阅的大硬盘。

【RAG 的坑全埋在细节里】

RAG 不是简单地把文档扔进数据库就完事了。你需要深入研究：

  • 文档应该怎么切分（Chunking）？
  • Embedding 模型该怎么选？
  • 检索出来的结果，如何进行排序（Ranking）？

这些细节，直接影响了你的 RAG 系统的最终效果。

　　

🔹3.5 Stage 7：多 Agent 协作（持续学习）

这是最高阶的玩法，从 “一个 Agent 单打独斗”，进化到 “一群 Agent 协同作战”。

  • 如何分工？谁是 “规划者”，谁是 “执行者”，谁是 “审查者”？
  • 如何沟通？是通过一个共享的黑板（共享内存），还是通过互相发消息（消息传递）？
  • 如何评估？怎么评价整个 AI 团队的工作效率？
  • 如何调试？当团队协作出现问题时，如何通过日志和追踪（如 LangSmith）来定位问题？

走完这七个阶段的主干线，你已经可以自豪地称自己为一名合格的 AI Agent 开发者了。

　　

四、避坑指南：我的血泪史🔖

最后，送上几个在这条学习路上的避坑指南，希望能让你少走弯路。

  1. 不要一上来就扑框架！Stage 3 的 Function Call 和 ReAct，一定要自己动手写一遍！
  2. 不要跳过手动练习！地图上每个阶段的必做练习，不是装饰品。AI 开发是工程科学，“光看不练可不行！”。
  3. 不要贪多，不要跳级！先选定一条路（Track A 或 Track B），把它走通。在基础没打牢之前，不要好高骛远，直接去挑战多 Agent 系统。
  4. 不要追求 “通用 Agent”！从一个具体的、垂直的场景切入。做一个 “只做代码审查的 Agent”，或者 “只帮你分析财报的 Agent”，远比追求一个什么都能干但什么都干不好的通用 Agent，要更有价值，也更容易落地。