AI Agent 工程师转型 · 完整学习手册
AI Agent
转型手册
Python 基础 → LLM 原理 → 框架实战 → 工作流编排 → 后端工程化 → 面试题库。 六个模块按依赖关系串成一条学习路线，另有「AI 应用技术演进」横向串讲，共 113 篇学习文档与可按章节检索的代码范例。
7个模块
113篇文档
107万字
1,621个代码示例
81道面试题
这套手册解决什么问题
如果你正在从后端、前端、测试、运维、数据方向往 Agent 转，大概率卡在这四件事上 —— 手册的编排就是照着它们来的。
不知道从哪学起网上教程零散、顺序乱。7 个模块按依赖关系排好了顺序，另外给了三条不同起点的路线，不用自己判断先学什么。
看懂了但做不出来从「模型是怎么被调用的」讲到 Tool Calling、ReAct 主循环、记忆与评测，每篇都落到能跑起来的最小代码，全站 1,621 个代码示例。
做了项目却讲不清楚面试题库 12 篇 81 题，每题模拟面试官 3～4 层连续追问；配合项目自检 8 问，把「我搭了个 RAG」变成能被追问 30 分钟的说法。
怕学的东西很快过时技术演进 12 站：从 Prompt、微调、RAG 到 MCP、上下文工程、Harness Engineering，看清每个东西为什么出现、代价是什么。
推荐学习路线
按依赖关系排列，前一模块的产出是后一模块的地基。
七个模块
每个模块目录下的「使用指南」是该模块的入口，里面有章节依赖图与建议节奏；07 模块是横向串讲，适合通读建立全景认知。
01Python & Data
Python 与数据实践
Python 语言核心 + 数据处理工具链：从环境搭建到并发模型，再到 NumPy / Pandas / 可视化。
31 章进入 →
02Agent Core
Agent 核心
LLM 原理与 Agent 体系：Token、注意力、Transformer、采样，到 Tool Calling、ReAct、MCP、多 Agent 与评测。
15 章进入 →
03LangChain
LangChain 指南
把原理落成代码：提示词模板、LCEL、流式并发、RAG 三部曲、对话记忆、工具调用与调试。
12 章进入 →
04LangGraph
LangGraph 框架指南
围绕智能简历筛选系统，从一段脚本长成多 Agent、可恢复、可人工介入的生产级工作流。
17 章进入 →
05Backend
Python 框架指南
FastAPI 生态逐个零件拆开讲：路由、Pydantic、SQLAlchemy、依赖注入、JWT、SSE / WebSocket、测试与日志。
14 章进入 →
06Interview
面试题库
12 篇 81 题，深挖式追问链：每道题模拟面试官 3-4 层连续追问，并标注考察意图与踩坑点。
12 章进入 →
07Evolution
AI 应用技术演进
从 Transformer 到 Harness Engineering 的演进全景：LLM、提示词、微调、RAG、函数调用、MCP、Agent、多智能体、上下文工程、Skill、OpenClaw 与 Harness 十二个节点一次串讲，附论文与优质文档地图。
12 章进入 →
路线变体
不同起点可以走不同路径。
已有 Python 基础写过脚本、用过 Pandas —— 直接从第 2 步「懂原理」开始，跳过模块一。
想先有成就感第 2、3 步对调：先跑通 LangChain 的 demo，再回头补 Agent 核心 01-05 的原理篇。06 章之后建议原理与框架交替学。
时间紧、目标明确只做 RAG 应用：Python 基础 → Agent 核心 05-07 → LangChain 06-08，其余按需回查。
怎么用这套文档
先读使用指南每个模块的第 0 章是入口，含章节依赖图和三条阅读路线。
边读边跑课件里的代码示例都在对应章节的 demo / answers 目录，动手跑一遍胜过看三遍。
卡住就回查面试题每题标注了对应课件章节，答不上第 3 层追问就重读那一章。
检索优先按 / 或点击左上角搜索框，可以在全部 113 篇正文里全文查找。