Agent学习路线-CSDN博客

原创程序员转型大模型开发：推荐方向、原因及学习路线，非常详细收藏我这一篇就够了！

程序员转行到大模型开发领域，可以根据个人兴趣和职业规划选择不同的方向。以下是几个推荐的方向、推荐原因以及学习路线：

2025-11-03 15:35:59 1504

原创大模型RAG技术入门：从传统到多模态、Agent、GraphRAG全解析【收藏必学】

文章介绍了四种主流RAG技术：传统RAG（检索-拼接-生成）、多模态RAG（支持文本、图像、视频等多数据类型）、Agentic RAG（引入智能体实现多轮自主检索）和GraphRAG（结合知识图谱增强推理能力）。文章强调根据业务需求选择合适的RAG方式，未来趋势是多种技术融合，RAG作为上下文工程的重要组成部分值得关注。

2026-03-27 14:14:26 421

原创 60个AI大模型核心概念：PM也能听懂的工作场景指南

本文面向AI产品经理，通过60个核心概念的讲解，帮助读者理解大语言模型的基本原理和应用场景。文章强调通过工作场景而非数学公式来理解这些概念，涵盖Prompt工程、RAG、微调、Agent等关键技术，提供实用的决策路径和成本优化建议。作者旨在帮助AI产品经理在技术评审会上听懂、判断和做决策，避免常见陷阱，提高产品效果并降低成本。

2026-03-27 14:13:13 389

原创【必学】RAG技术入门：程序员必知的检索增强生成完整指南

RAG（检索增强生成）是结合信息检索与生成式大模型的AI框架，解决大模型知识更新滞后、幻觉问题、安全风险及垂直领域知识整合难题。其核心流程包括知识准备（文档解析、分块、向量化、入库）和问答阶段（查询处理、检索、重排序、信息整合、LLM生成），通过外部知识库增强回答准确性和时效性。

2026-03-27 13:46:20 350

原创【收藏干货】IndexRAG：离线生成桥接事实，实现单次检索的多跳推理

IndexRAG通过两阶段离线索引解决多跳QA困境：先提取原子知识单元(AKUs)和实体，再针对桥接实体生成跨文档桥接事实。在线推理仅需单次检索和LLM调用，配合平衡上下文选择机制。实验显示，相比Naive RAG平均F1提升4.6分，推理延迟仅0.30秒，实现了"一次构建，多次高效查询"的范式转移，兼顾性能与效率。

2026-03-27 13:22:34 19

原创收藏必备：AI Agent完全解析：2026年AI生态核心技术与开发实践

文章介绍AI Agent作为2026年AI生态核心概念，包括其基本架构（感知、规划、行动、记忆、反思），A2A协议实现Agent间协作，MCP标准化工具调用，以及Agent Skills能力模块化。这些技术共同构成AI Agent开发基础设施，使AI系统能像人类员工处理复杂任务，并通过标准化协议实现安全高效协作。

2026-03-27 13:21:27 293

原创收藏！大模型Token计费完全指南：从零理解计费逻辑，帮你省下60倍成本

本文详细解析大模型中的Token概念、计费机制及模型选型策略。作为文本处理的最小单位，Token直接影响使用成本。文章揭示了不同模型Token单价可达60倍差距，介绍了上下文窗口限制、输入输出计费差异，以及Prompt Caching等省钱技巧。通过对比主流模型性能和价格，帮助开发者根据场景需求做出最优选型，实现成本与效能的最佳平衡。

2026-03-24 10:29:36 449

原创 AI Agent框架理论与实践：从理论到极简实现，小白程序员入门指南

文章系统介绍了AI Agent框架理论基础，对比分析主流框架，提出上下文工程是Agent智能核心，并提供极简Agent框架的完整实现，涵盖LLM调用、工具调用和上下文管理三大要素，帮助开发者快速构建智能Agent应用。

2026-03-24 10:28:23 539

原创 AI开发必知：Agent、Workflow和MCP详解！

文章解析了AI三大核心概念：Agent（自主决策的AI程序）、Workflow（固定流程自动化工具）和MCP（AI调用外部能力的标准化协议）。三者互补而非替代：MCP提供基础设施连接，Workflow负责流程编排，Agent实现智能决策。文章详细解释了各自特点、区别、适用场景及组合应用方式，并提供实用选型建议和资源。

2026-03-24 10:27:18 341

原创大模型RAG系统构建指南：5个关键层次解决生产环境痛点，建议收藏

文章详解了RAG系统从Demo到生产的5个进阶层次：基础实现、智能分块、混合搜索、reranking排序和生产级处理。强调构建可用RAG系统需逐步解决各层次问题，从基础开始，记录系统故障点并针对性升级，确保在检索失败时能安全响应而非胡编信息。

2026-03-24 10:17:35 387

原创【干货】大模型RAG技术实战指南：从原理到代码实现（建议收藏）

文章介绍大模型面临的幻觉、时效性和数据安全三大问题，提出RAG作为解决方案。RAG通过检索外部知识库增强模型能力，降低幻觉问题，提供最新权威信息，保障数据安全。文章详细解释RAG架构，并通过LangChain代码示例展示从文档加载、分割、向量化到检索生成的完整流程。最后对比RAG与微调的区别，指出二者可互补使用，并提供学习大模型的四个阶段路径。

2026-03-19 18:52:10 307

原创技术干货：一文掌握大模型技术栈：14个核心概念全面解析（建议收藏）

本文系统梳理了AI大模型领域的14个核心概念，从基础架构(Transformer、Token、嵌入模型)到训练优化(预训练、微调、对齐)，再到前沿应用(RAG、Agent、协议等)。文章深入浅出地解释了大模型实现"智能涌现"的原理，以及如何解决幻觉、对齐等关键挑战，帮助读者建立全面认知框架，为深入研究与应用大模型奠定基础。

2026-03-19 18:43:08 289

原创收藏这篇！大模型Skill开发实战：从模糊需求到高质量AI工具的转化艺术

本文探讨了如何将模糊需求转化为高质量AI Skill。作者对比了Claude和Codex两种工具的特点：Claude擅长挖掘模糊需求中的隐藏约束，Codex擅长将清晰需求转化为符合Skill机制的结构化产物。文章提出实践路径：先用Claude处理模糊需求，明确真实意图和约束；再用Codex的skill-creator创建或更新Skill，确保结构合理、按需加载。这种串联方式能有效解决需求模糊时Skill创建的难题，提高开发效率和质量。

2026-03-19 18:41:18 300

原创【收藏必备】大模型入门指南：36个AI关键术语全面解析，从小白到程序员必学知识

文章从7个维度系统介绍了AI领域的36个关键术语，包括底层逻辑、模型架构、核心技术、训练方法、应用技巧、评估标准和伦理安全等。通过通俗易懂的比喻和解释，帮助读者理解AI基础知识，如AGI、Transformer、RAG等概念，以及如何提示词工程、微调模型等实用技能，为学习大模型奠定基础。

2026-03-19 18:40:21 332

原创大模型RAG完全指南：Embedding模型选型、向量搜索与重排序核心技术详解，程序员必看收藏！

本文系统解析RAG技术栈三大核心组件：Embedding模型、检索策略与Rerank重排序。对比分析了主流Embedding模型性能与选型策略，整理20个高频面试问题及12种调优策略，深入解析向量搜索与Rerank的本质区别，强调"粗排+精排"两阶段架构的设计智慧，为构建高性能RAG系统提供全面指导。

2026-03-19 18:39:17 462

原创收藏级干货：大模型训练VS推理：从零构建到应用部署的完整指南

模型训练与推理是AI大模型的核心环节。训练包括预训练(自监督学习海量数据)和后训练(微调与RLHF)，是一次性高投入的"创造能力"过程；推理则是模型实际应用阶段，通过处理输入和迭代生成回答，是持续的"使用能力"体现。两者相辅相成，共同构成大模型从学习到应用的完整生命周期。

2026-03-19 18:38:02 317

原创生产级AI助手开发全攻略：LangGraph+FastAPI+Streamlit实现指南

文章介绍了一个基于LangGraph、FastAPI和Streamlit构建的生产级AI助手概念验证项目。该项目采用分层架构，实现了状态管理、多轮对话、意图识别等功能，遵循生产环境设计原则。文章详细讲解了项目结构、环境搭建、代码实现和运行方法，同时提供了性能优化、安全注意事项和扩展建议，帮助开发者构建可扩展、可靠的AI应用。

2026-03-14 11:51:00 48

原创下一代AI智能体架构革命：从多模态处理到自我反思，全面解析大模型未来发展之路

文章解析下一代AI智能体架构的五大变革：输入层多模态处理与实时集成、智能体间协同编排、战略级规划与自我反思能力、统一数据存储与知识图谱、多渠道自适应输出。这些架构变化将使AI智能体本质不同，同时强调安全可控、伦理合规和人机协作，实现更智能可靠的AI系统。

2026-03-14 11:49:46 134

原创 PruneRAG：解决RAG系统证据遗忘与效率问题的创新框架

PruneRAG框架通过自适应节点扩展、置信度引导剪枝和细粒度检索三大机制，解决传统RAG系统的证据遗忘和效率问题。该框架采用树状推理结构，根据置信度决定查询分解策略，实验显示其证据遗忘率降低20.8%，推理速度提升4.9倍，在多个多跳问答数据集上表现优异，为高效检索增强生成提供了创新解决方案。

2026-03-14 11:48:21 135

原创【值得收藏】大模型调用全解析：一文掌握Transformers底层实现细节

本文详细解析了大模型调用的底层实现流程，包括tokenizer与模型加载、对话模板应用、文本编码、自回归生成及解码输出。同时介绍了大模型的训练过程，解释模型如何从随机参数具备对话能力。从工程实现到原理分析，全面剖析了大模型调用的完整链路。

2026-03-14 11:46:46 164

原创智能体(Agent)开发全攻略：从基础概念到主流框架对比

章全面介绍了智能体(Agent)的核心概念、架构设计与实现方法，以及主流框架的对比分析。内容涵盖智能体基础工作原理、与传统工作流的区别、模型参数调优方法、核心架构(ReAct、Plan-and-Solve、Reflection)的实现，以及AutoGen、AgentScope、CAMEL、LangGraph等主流框架特点与应用场景。文章还介绍了低代码开发平台和本地部署工具，为开发者提供了构建智能体系统的完整指南。

2026-03-14 11:45:16 311

原创一文搞懂大模型：从Transformer到智能体，无技术门槛也能学会

本文详解大模型知识体系，对比通用大模型与垂直领域模型的差异，解析Transformer底层架构原理，介绍垂直模型构建方法与成本分析，探讨智能体作为最终产品形态的发展趋势。以通俗易懂的语言，为全行业读者提供零门槛的大模型全链路知识，帮助理解AI从技术底层到行业应用的完整路径。

2026-03-14 11:43:12 360

原创大模型技术详解：深度解析LLM、GPT、BERT与Transformer架构

大语言模型(LLM)是基于深度学习的超大规模神经网络，能理解、生成自然语言并执行复杂任务。其核心架构是Transformer，通过自注意力机制捕捉上下文关系。LLM训练包括预训练和微调两个阶段。GPT基于Transformer的解码器，擅长文本生成；BERT基于编码器，侧重语言理解。Token是文本处理的基本单位。预训练成本高昂，但开源模型和微调技术降低了应用门槛，使大模型在特定领域应用成为可能。

2026-03-14 11:42:11 295

原创收藏！一文掌握ReAct Agent：从传统编程到智能体的跃迁之路

本文详细介绍了ReAct Agent的核心原理与实现方式。ReAct(Reasoning+Acting)是一种让AI一边思考一边行动的智能体工作模式，通过"观察-思考-行动"的循环处理复杂任务。文章阐述了ReAct Agent的关键要素：历史上下文、环境信息、语言模型、工具调用和观察结果，并通过实例和伪代码展示了其实现流程。相比传统编程，ReAct Agent能更灵活应对复杂、不确定的任务，是构建AI智能体的重要技术路径。

2026-03-14 11:40:52 443

原创大模型应用开发黄金法则：越简单越可靠，收藏这篇少走弯路

文章阐述大模型应用开发应遵循简单原则，因模型本身存在不稳定性和幻觉问题，复杂流程会增加出错风险。建议在关键环节采用workflow工作流机制保证稳定性，非关键环节使用模型提高效率。能简单解决的问题不采用复杂技术，如用RAG而非Agent。系统不稳定环节越多，最终偏差越大，简单设计是降低风险的关键。

2026-03-14 11:39:47 352

原创告别AI术语混乱：一文搞懂Prompt、Agent、Skill、MCP和Claude Code的关系

本文通过公司实习生的比喻，系统解析了AI领域的五大核心概念：Prompt(指令输入)、Agent(自主执行)、Skill(标准化流程)、MCP(工具连接协议)和Claude Code(集成产品)。这些概念构成从"与AI对话"到"让AI自主工作"的完整体系，各自扮演不同角色：Prompt明确目标，Agent规划执行，Skill提供方法，MCP连接外部，Claude Code是现成解决方案。理解它们的层级关系和适用场景，能帮助开发者根据需求选择合适工具，避免被新术语困扰。

2026-03-14 11:38:42 418

原创【值得收藏】企业级大模型RAG架构设计：从数据摄入到智能体协调的完整指南

本文详细介绍了一个六层架构的企业级智能体RAG系统，涵盖数据摄入、AI计算、智能体流水线、工具沙箱、基础设施即代码和部署评估。通过Ray、vLLM和Kubernetes等技术实现高吞吐量文档处理、并行推理和智能自动扩展，支持向量数据库和知识图谱检索，并提供完整的企业级部署方案和性能优化策略。

2026-03-09 21:20:07 385

原创【收藏】LangGraph工作流深度解析：5种编排模式+子图架构，轻松构建稳定可控的AI系统

文章介绍了构建智能系统的Workflow模式，详细讲解了5种编排模式：提示词链式调用、并行化、路由、编排者-工作者和评估者-优化者，并通过代码示例展示了如何使用LangGraph实现评估者-优化者模式。文章还介绍了子图(Subgraphs)机制，用于模块化复杂系统，解决代码维护难题。掌握这些技术可以构建既具备创造力又安全可控的智能体。

2026-03-09 21:12:37 400

原创 AI时代架构师必读：从写代码到管Agent的转型指南（建议收藏）

本文探讨了AI时代工程师角色的根本转变，从传统的"写代码"到"管Agent"。文章强调AI原生工程师需掌握分配智能、管理语境和系统设计三大能力，并提出了构建"Agent友好代码库"的四大支柱：测试契约、文档一致性、统一设计模式和风格检查。同时警告了Agent可能快速放大错误的风险，建议逐步搭建多Agent工作流而非一蹴而就。作者认为，在这个转型期，灵活性和实验精神将成为工程师最被低估的资产。

2026-03-09 21:11:35 345

原创【干货收藏】Skill Graphs：解锁大模型深度认知能力的新范式

Skill Graphs是一种结构化知识组织方式，通过将知识分解为多个互相链接的小文件形成网络，使AI Agent能够主动导航知识结构，只提取当前场景所需内容，实现真正的领域理解。这超越了传统单一功能的Skills，为Agent提供深度认知能力，是"被动执行"到"主动理解"的关键转变。文章提供了构建方法和应用场景，帮助开发者解锁大模型Agent的真正潜力。

2026-03-03 19:09:19 452

原创【值得收藏】多智能体架构选型逻辑：四种主流方案对比与实战应用

本文深入探讨了多智能体架构的选型逻辑，分析了单Agent向多智能体架构转变的必要性，并详细对比了四种主流架构：子智能体、技能、交接和路由器。文章从上下文管理、分布式开发等角度，结合不同场景需求，提供了架构选择的实用指南和性能矩阵，帮助开发者根据具体业务场景做出最适合的架构决策。

2026-03-03 19:08:19 385

原创程序员必看！Claude Agent Skills实战指南：构建可复用、可组合的AI能力模块（建议收藏）

Agent Skills是大模型应用开发的新范式，采用基于文件系统的开放标准，解决了传统Prompt开发中的Context Window瓶颈。它通过三级渐进式加载机制（元数据、指令、资源）优化上下文管理，实现了可移植、可组合的模块化技能库。Skills与MCP、Tools、Subagents协同工作，Skill Creator工具可帮助开发者高效创建技能。这种架构使AI开发重心从"调教模型"转向"构建标准化技能库"，实现了通用推理能力与严谨执行逻辑的结合。

2026-03-03 19:06:47 584

原创收藏必备：深度解析Transformer多头注意力机制，让LLM不再神秘

本文详细解析了Transformer架构中的自注意力机制和多头注意力机制。首先介绍了自注意力如何通过Q、K、V矩阵计算注意力分数，使模型能够捕捉序列中元素间的关联。然后解释了多头注意力如何将输入特征拆分为多个子空间，并行处理不同维度的语义信息，最后通过拼接和投影融合结果。这种设计使模型能够同时关注文本的语法、属性和位置等多方面特征，是Transformer和大语言模型的核心技术。

2026-02-27 18:04:56 404

原创大模型落地新思路：Agent与Workflow构建智能业务系统

本文介绍了智能体(Agent)与工作流(Workflow)的区别及Agentic系统的构建方法。工作流强调预编排的标准化流程，而Agent具备自主决策能力。文章详细阐述了增强型LLM、提示词链接、路由、并行、编排工作者、评估者-优化者及自主智能体等多种工作流搭建方式及其适用场景，并对比分析了N8N、Dify和Coze三大开源框架的特点，为开发者提供了构建高效Agentic系统的实用指南。

2026-02-27 18:03:58 389

原创收藏必备！Agent Tools全栈开发指南，解决碎片化、复杂化、黑盒化痛点

文章系统阐述了Agent Tools的开发方法与痛点解决方案，包括类型安全、LLM友好接口设计、自我修复能力等六大开发原则；针对工具碎片化、复杂化、黑盒化问题，提出通过AgentKit Gateway实现存量应用智能化、MCP工具治理及身份管理；通过零售和金融行业案例展示了工具化智能的实践价值，核心是将企业复杂业务能力通过工具化封装，实现业务能力AI化转型，构建智能化时代的企业竞争力。

2026-02-27 18:02:24 388

原创【收藏必备】智能体式RAG完全指南：提升大模型应用能力的核心技术

智能体式RAG通过引入AI智能体实现自主决策和动态工作流，超越了传统RAG的静态检索局限。文章详细介绍了从朴素RAG到智能体式RAG的演进历程，分析了单智能体、多智能体、层次化等多种架构，探讨了其在解决上下文整合、多步推理等挑战上的优势。最后通过实际教程展示了构建智能体式RAG系统的步骤，为开发者提供了提升大模型应用能力的技术路径。

2026-02-26 13:11:25 376

原创为什么一定要做Agent？| 从定义到优势，全面解析AI智能体的价值与未来，值得收藏！

文章深入探讨Agent智能体的核心价值：降低开发门槛，让非专业开发者也能创建应用；简化流程复杂度，大模型如"胶水"连接各模块；支持多样化交互；实现多Agent协同完成任务。尽管存在响应速度慢、幻觉等挑战，但技术创新正在持续优化这些问题。Agent作为解放生产力的工具，是提升效率的关键，值得企业长期投入。

2026-02-26 13:09:58 347

原创【必收藏】LangChain生态全景图：从入门到生产级应用开发指南

本文详解LangChain生态三大核心：LangChain负责能力构建，提供大模型调用和工具集成；LangGraph负责流程编排，处理复杂工作流和状态管理；LangSmith负责观测优化，监控和评估应用性能。三者形成构建-编排-监控的完整闭环，是AI应用从Demo走向生产级的必经路径，也是大模型开发者的必备知识体系。

2026-02-26 13:08:48 295

原创【收藏必备】大模型核心技术揭秘：Transformer架构从入门到精通

文章详细解析了大模型核心技术Transformer架构，从基础组件(Embedding层、Transformer Block、输出层)到关键机制(Attention、KV Cache)，再到前沿技术(MLA、MoE)进行了系统讲解。文中提供了Polo Club可视化工具和DeepSeek-V3论文等宝贵资源，帮助读者深入理解大模型工作原理，适合初学者和进阶研究者。

2026-02-24 18:33:16 591

原创 AI架构必看：Agent、Workflow、RAG还是Skill？万字详解大模型系统设计避坑指南

本文通过AI内容产品实战案例，剖析了AI系统架构设计的常见误区与解决方案。作者指出AI产品应定位为"放大器"而非"创造者"，构建Model+RAG+Skill+Workflow的最小完备内核，通过慢变量系统对抗模型快变量迭代。未来架构重心将从能力增强转向安全控制，强调在模型能力不断提升的同时，架构的可解释性、数据主权和成本控制价值将永存，为AI产品设计提供系统性思维。

2026-02-24 18:32:22 749

空空如也

空空如也