| 阶段 | 主题 | 学习目标 | 学习材料 | 链接 |
|---|---|---|---|---|
| 1 | GenAI 介绍 | • 理解生成式AI的基本概念和工作原理 | ||
| • 掌握AI的历史发展和主要里程碑 | ||||
| • 了解不同类型的AI系统和应用场景 | ||||
| • 能够识别AI的局限性和伦理考量 | 《人工智能：现代方法》(Stuart Russell & Peter Norvig) | Amazon链接 | ||
| 吴恩达的"AI For Everyone"课程 | Coursera链接 | |||
| "Artificial Intelligence: A Guide for Thinking Humans"(Melanie Mitchell) | Amazon链接 | |||
| 2 | LLMs基础 | • 掌握Transformer架构和注意力机制 | ||
| • 理解预训练和微调的概念 | ||||
| • 了解主要的LLM模型（GPT、BERT、LLaMA等） | ||||
| • 能够使用基本的LLM APIs进行简单任务 | 《深度学习》（Ian Goodfellow等）第10章 | Deep Learning Book | ||
| "Generative AI with LLMs"(DeepLearning.AI) | DeepLearning.AI课程 | |||
| "Natural Language Processing with Transformers"(Lewis Tunstall等) | Amazon链接 | |||
| Hugging Face的Transformer教程 | HF文档 | |||
| 3 | 提示工程基础 | • 掌握有效提示的设计原则 | ||
| • 了解零样本、少样本和思维链提示技术 | ||||
| • 能够针对不同任务优化提示 | ||||
| • 理解提示注入及其防御技术 | "Prompt Engineering Guide"(DAIR.AI) | 提示工程指南 | ||
| OpenAI的"Prompt Engineering Best Practices" | OpenAI指南 | |||
| Anthropic的"Prompt Engineering Guide" | Anthropic指南 | |||
| "Building Systems with the ChatGPT API"(DeepLearning.AI) | DeepLearning.AI课程 |
| 阶段 | 主题 | 学习目标 | 学习材料 | 链接 |
|---|---|---|---|---|
| 4 | 数据处理与管理 | • 掌握结构化和非结构化数据的预处理技术 | ||
| • 能够使用向量嵌入表示文本和其他数据 • 理解向量数据库的工作原理和使用方法 • 学会设计高效的数据管道 | 《Python数据分析》(Wes McKinney) | 在线书籍 | ||
| "Modern Data Engineering"(Andreas Kretz) | Data Engineering Cookbook | |||
| Pinecone向量数据库文档 | Pinecone文档 | |||
| 《数据密集型应用系统设计》 | O'Reilly链接 | |||
| 5 | RAG(检索增强生成)基础 | • 理解RAG架构和工作流程 | ||
| • 掌握文档切片和索引技术 | ||||
| • 能够实现基本的RAG系统 | ||||
| • 学会优化检索相关性和准确性 | "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks"论文 | arXiv链接 | ||
| LangChain的RAG文档和教程 | LangChain RAG教程 | |||
| LlamaIndex文档和示例 | LlamaIndex文档 | |||
| "Building RAG Applications"(Pinecone) | Pinecone RAG指南 | |||
| 6 | API封装介绍 | • 理解API架构和设计原则 | ||
| • 能够使用Python封装AI服务APIs | ||||
| • 掌握API认证和安全最佳实践 | ||||
| • 学会处理API限流和错误情况 | OpenAI API文档 | OpenAI API文档 | ||
| "Designing Web APIs" | O'Reilly链接 | |||
| "RESTful Web APIs" | O'Reilly链接 | |||
| FastAPI官方文档 | FastAPI文档 |
| 阶段 | 主题 | 学习目标 | 学习材料 | 链接 |
|---|---|---|---|---|
| 7 | AI Agent介绍 | • 理解自主AI Agent的概念和基本架构 | ||
| • 了解Agent的感知-推理-行动循环 | ||||
| • 掌握Agent的目标定义和表示方法 • | ||||
| 熟悉不同类型的Agent框架 | "Building Autonomous AI Agents"(Lillian Weng的博文) | Lilian Weng的博客 | ||
| "Multi-Agent Systems"(Gerhard Weiss) | MIT出版社链接 | |||
| "Artificial Intelligence: A Modern Approach"中的Agent相关章节 | Amazon链接 | |||
| "Designing Agent-Based Systems"(DeepMind) | DeepMind研究 | |||
| 8 | Agent框架学习 | • 熟悉主流Agent框架的API和使用方法 | ||
| • 能够定制和扩展现有Agent框架 | ||||
| • 理解Agent框架的内部工作机制 | ||||
| • 学会选择适合特定任务的Agent框架 | LangChain Agent文档 | LangChain Agent文档 | ||
| AutoGPT的GitHub仓库 | AutoGPT GitHub | |||
| CrewAI文档 | CrewAI文档 | |||
| Haystack Agent框架文档 | Haystack文档 | |||
| 9 | 构建简单AI Agent | • 能够从头构建一个功能完整的AI Agent | ||
| • 掌握Agent工具集成和操作系统接口 | ||||
| • 学会处理Agent执行中的异常情况 | ||||
| • 实现一个能解决特定任务领域的Agent | "Building LLM-Powered Autonomous Agents"教程 | Medium文章 | ||
| GitHub上的开源Agent项目示例 | BabyAGI GitHub | |||
| "Agents: Human-LLM Collaboration"课程 | DeepLearning.AI短课程 | |||
| Hugging Face的Agent示例仓库 | HF Transformers Agents |
| 阶段 | 主题 | 学习目标 | 学习材料 | 链接 |
|---|---|---|---|---|
| 10 | Agent工作流基础 | • 理解AI Agent执行计划和任务序列的基本原理 | ||
| • 掌握Agent任务分解与规划能力 | ||||
| • 学习设计可追踪和可解释的Agent执行流程 • 构建具有自我监控和错误恢复机制的Agent系统 | "AI Agents at Work"(O'Reilly) | O'Reilly链接 | ||
| "Chain of Thought Reasoning"论文 | arXiv链接 | |||
| "ReAct: Synergizing Reasoning and Acting in LLMs"研究 | ReAct论文 | |||
| "LangChain Agents and Tools"文档 | LangChain工作流 | |||
| 11 | Agent记忆学习 | • 理解Agent长期和短期记忆的区别和应用 | ||
| • 能够实现基于向量数据库的记忆系统 | ||||
| • 掌握记忆检索和相关性排序技术 | ||||
| • 学会设计记忆增强的Agent系统 | "Long-Term Memory for LLM Agents"论文 | arXiv链接 | ||
| "Building Long-Term Memory for LLM Applications"(Pinecone) | Pinecone指南 | |||
| "Implementing Active Recall in AI Systems"教程 | LlamaIndex记忆实现 | |||
| "Vector Databases for AI Memory"指南 | Vector DB指南 | |||
| 12 | Agent评估基础 | • 掌握Agent性能的关键评估指标 | ||
| • 能够设计有效的Agent评估实验 | ||||
| • 学会收集和分析Agent行为数据 | ||||
| • 理解人类反馈在Agent评估中的作用 | "Evaluating Large Language Models"(Stanford) | Stanford课程 | ||
| "Agent Benchmarking: Best Practices"指南 | Cohere评估指南 | |||
| "Human-AI Interaction Assessment"方法论 | DeepMind评估框架 | |||
| "Automated Agent Evaluation Frameworks"教程 | Ragas评估框架 |
| 阶段 | 主题 | 学习目标 | 学习材料 | 链接 |
|---|---|---|---|---|
| 13 | Multi Agent协作基础 | • 理解多Agent系统的架构和通信模式 | ||
| • 掌握Agent角色分配和协作策略 | ||||
| • 能够设计和实现多Agent解决方案 | ||||
| • 学会处理Agent间冲突和协商机制 | "Multi-Agent Systems: A Modern Approach to Distributed AI" | MIT出版社链接 | ||
| "Cooperative AI: Machines Learning to Work Together"(DeepMind) | DeepMind研究 | |||
| AutoGen和CrewAI的多Agent文档 | AutoGen Multi-agent | |||
| "Designing Agent Communication Protocols"指南 | AI协作通信协议 | |||
| 14 | Agent RAG学习 | • 掌握Agent主动检索和知识获取技术 | ||
| • 能够构建自我改进的RAG系统 | ||||
| • 理解Agent反思和知识验证机制 | ||||
| • 学会设计知识驱动的复杂Agent系统 | "Advanced RAG Techniques for Autonomous Agents" | LlamaIndex指南 | ||
| "Self-Improving Agents with RAG"教程 | 自我改进教程 | |||
| "Agent-Driven Knowledge Retrieval"方法论 | Agent知识检索指南 | |||
| "Integrating RAG with Planning and Reasoning"指南 | REACT方法论 | |||
| 15 | MCP学习 | • 理解Model Context Protocol的工作原理和架构 | ||
| • 掌握MCP如何实现AI系统与外部数据源的安全连接 | ||||
| • 能够设计和实现基于MCP的Agent集成方案 | ||||
| • 学会利用MCP优化Agent的上下文管理和信息获取 | "Introducing the Model Context Protocol" | Anthropic MCP介绍 | ||
| Model Context Protocol官方文档 | MCP文档 | |||
| Model Context Protocol GitHub仓库 | MCP GitHub | |||
| MCP实现指南和最佳实践 | MCP实现指南 | |||
| 16 | ReAct Agent学习 | • 理解ReAct Agent的核心工作原理 | ||
| • 掌握推理与行动交替的Agent设计方法 | ||||
| • 能够实现和优化基于ReAct的Agent系统 | ||||
| • 学会将ReAct应用于复杂问题求解和决策任务 | "ReAct: Synergizing Reasoning and Acting in Language Models"研究论文 | ReAct论文 | ||
| "ReAct Prompting Guide" | 提示工程指南 | |||
| LangChain ReAct Agent实现 | LangChain ReAct | |||
| ReAct Agent性能评估与优化 | ReAct评估 | |||
| 17 | CodeAct Agent学习 | • 理解CodeAct范式及其与传统Agent的区别 • 掌握基于代码生成和执行的Agent实现方法 • 能够构建能动态生成和执行代码的Agent系统 | ||
| • 学会优化CodeAct Agent的错误处理和自我修正能力 | "CodeAct: Your LLM Agent Acts Better when Generating Code"研究 | Apple研究 | ||
| "CodeAct: The Engine Behind Manus"教程 | Medium教程 | |||
| "Implementing CodeAct with Python"指南 | CodeAct实现 | |||
| "Self-Debug and Improvement in CodeAct Agents" | 自我调试指南 |