AI Agent 从零开始学习路线图

# 学习路线概览

本课程分为 5 个阶段，从零开始，逐步掌握 AI Agent 开发所需的核心技能。

| **阶段** | **建议时长** | **核心主题** |
| --- | --- | --- |
| 阶段 1 | 3 天 | 数学最低配置版：线性代数、概率、微积分 |
| 阶段 2 | 3 天 | 深度学习基本盘：MLP、训练流程、最小 CNN |
| 阶段 3 | 1 周 | 核心模型扫盲：CNN、RNN、Transformer、Diffusion |
| 阶段 4 | 2\-4 周 | LLM 工程能力：微调、RAG、推理与部署 |
| 阶段 5 | 4\-8 周 | Agent 与真实项目实战：AI Agent 开发及落地 |

# 阶段 1：数学最低配置版（3 天）

目标：掌握学习 AI 所需的最基础数学知识，不求全面，只求实用。

## 一、第 1 天：线性代数

**核心概念：**

* 向量（Vector）：数据的数学表示形式，如图像特征、文本嵌入
* 矩阵（Matrix）：多维数据的组织方式，神经网络的核心计算单元
* 矩阵乘法：线性变换、特征变换的基础操作
* 矩阵转置、逆：数据处理中的常用操作
* 特征值与特征向量：PCA 降维的理论基础

**推荐资源：**

* 《3Blue1Brown》线性代数系列（B 站视频，直观理解）
* NumPy 官方教程：用代码实现矩阵运算

**实战练习：**

1. 用 NumPy 创建一个 3×3 矩阵，计算矩阵乘法、转置、逆
2. 用矩阵表示一张 28×28 的灰度图像，理解"图像即矩阵"
3. 实现一个简单的向量相似度计算（余弦相似度）

## 二、第 2 天：概率与统计

**核心概念：**

* 随机变量与概率分布（正态分布、伯努利分布）
* 条件概率与贝叶斯定理：分类模型的核心思想
* 期望、方差、标准差：数据分析的基本指标
* 最大似然估计（MLE）：模型参数估计的基础

**推荐资源：**

* 《Probability and Statistics》（Khan Academy 视频）
* 《可视化概率统计》（B 站）

**实战练习：**

1. 用 NumPy 生成 1000 个正态分布随机数，绘制直方图，观察正态分布特征
2. 实现一个简单的贝叶斯分类器（Naive Bayes）分类花卉数据集

## 三、第 3 天：微积分

**核心概念：**

* 导数与偏导数：梯度下降的数学基础
* 链式法则（Chain Rule）：反向传播（Backpropagation）的核心
* 梯度（Gradient）：多元函数的"最陡下降方向"
* 极值与最优化：模型训练的数学本质

**推荐资源：**

* 《3Blue1Brown》微积分系列（B 站视频）
* Andrew Ng 机器学习课程中的梯度下降讲解

**实战练习：**

1. 用 SymPy 计算函数的导数和偏导数
2. 手动实现梯度下降，找函数 y \= x² \+ 2x \+ 1 的最小值
3. 对比自实现的梯度下降与 PyTorch 的 Autograd 结果

# 阶段 2：深度学习基本盘（3 天）

目标：建立深度学习的核心认知框架，能够理解神经网络的训练流程和基本架构。

## 一、第 1 天：多层感知机（MLP）

**核心概念：**

* 神经元（Perceptron）：人工神经网络的最小单元
* 激活函数：ReLU、Sigmoid、Tanh —— 引入非线性的关键
* 前向传播：数据从输入层→隐藏层→输出层的流程
* 损失函数（Loss Function）：MSE、Cross\-Entropy，衡量预测与真实的差距
* 反向传播：链式法则的工程实现，计算梯度

**推荐资源：**

* 3Blue1Brown 神经网络系列（B 站）
* PyTorch 官方教程：第一个神经网络

**实战练习：**

1. 用 PyTorch 构建一个 3 层 MLP，训练 MNIST 手写数字识别
2. 观察不同激活函数（ReLU vs Sigmoid）对训练速度的影响
3. 调整隐藏层大小（64/128/256），记录准确率变化

## 二、第 2 天：模型训练流程

**核心概念：**

* 数据集划分：训练集、验证集、测试集的作用
* 批量（Batch Size）、Epoch、迭代：训练的基本单元
* 优化器：SGD、Adam、AdamW 的区别与适用场景
* 学习率（Learning Rate）：最重要的超参数，决定训练是否收敛
* 正则化：Dropout、L2 Regularization、Early Stopping
* 过拟合与欠拟合：模型训练的两大陷阱

**实战练习：**

1. 在 MNIST 上实现完整的训练循环，记录每个 epoch 的 loss 和 accuracy
2. 画出训练曲线（loss curve），观察过拟合现象
3. 加入 Dropout，观察过拟合是否改善
4. 尝试不同的学习率（0\.1, 0\.01, 0\.001），记录收敛速度差异

## 三、第 3 天：最小 CNN（卷积神经网络）

**核心概念：**

* 卷积层（Convolution）：用滤波器提取局部特征（边缘、纹理）
* 池化层（Pooling）：降维、提高空间不变性
* 卷积 vs 全连接：参数量大幅减少，更适合图像
* 经典架构：LeNet\-5（最简单的 CNN）

**实战练习：**

1. 用 PyTorch 实现一个简单 CNN（2层卷积 \+ 2层全连接），训练 CIFAR\-10
2. 对比 MLP 和 CNN 在图像任务上的准确率差异
3. 可视化第一层卷积核，理解"滤波器学到了什么"

# 阶段 3：核心模型扫盲（1 周）

目标：系统了解主流网络架构的原理、优缺点和适用场景，建立完整的 AI 知识地图。

## 一、第 1\-2 天：CNN 深入

**理论要点：**

* 深度 CNN 架构演进：LeNet → AlexNet → VGG → GoogLeNet → ResNet
* 残差连接（Residual Connection）：解决深层网络梯度消失问题
* 步幅（Stride）、填充（Padding）、感受野（Receptive Field）
* 迁移学习（Transfer Learning）：用预训练模型做下游任务

**实战练习：**

1. 使用 ResNet\-18 预训练模型，对自己的图片分类（如宠物照片）
2. 尝试冻结部分层 \+ 微调末层的迁移学习方法

## 二、第 3 天：RNN 与序列模型

**理论要点：**

* 循环神经网络（RNN）：处理序列数据（时间序列、文本）
* 长短期记忆（LSTM）：解决 RNN 的长距离依赖问题
* 门控单元（GRU）：LSTM 的简化版本
* 双向 RNN：同时利用前向和后向上下文信息

**实战练习：**

1. 用 LSTM 实现一个简单的文本生成器（基于英文小说）
2. 用 GRU 做股票价格预测（时间序列预测）

## 三、第 4\-5 天：Transformer

**理论要点：**

* 自注意力机制（Self\-Attention）：每个词关注句子中所有其他词
* 多头注意力（Multi\-Head Attention）：从不同视角捕捉关系
* 位置编码（Positional Encoding）：让 Transformer 理解词序
* 编码器\-解码器架构（Encoder\-Decoder）
* Attention is All You Need 论文精读

**实战练习：**

1. 从零实现一个简化的 Self\-Attention 层（用 PyTorch）
2. 使用 HuggingFace Transformers 库，调用预训练的 BERT 模型做文本分类
3. 对比 RNN 和 Transformer 在文本任务上的效果和速度差异

## 四、第 6\-7 天：生成模型与 Diffusion

**理论要点：**

* 自编码器（Autoencoder）：数据压缩与重建
* 变分自编码器（VAE）：引入概率的生成模型
* 生成对抗网络（GAN）：生成器 vs 判别器的博弈
* 扩散模型（Diffusion Model）：逐步去噪生成图像，即梦、Stable Diffusion 的基础
* 大模型的发展史：GPT\-1/2/3/4、LLaMA、Claude、Gemini

**实战练习：**

1. 使用 Stable Diffusion WebUI 或 ComfyUI 生成图像
2. 理解提示词（Prompt）、采样器、CFG Scale 等参数的作用

# 阶段 4：LLM 工程能力（2\-4 周）

目标：掌握大语言模型的实际应用开发技能，包括微调、RAG、推理与部署。

## 一、第 1 周：大模型微调（Fine\-tuning）

**理论要点：**

* 为什么要微调：通用模型 vs 领域专家
* 全量微调 vs 参数高效微调（PEFT）
* LoRA / QLoRA ：低成本微调的标准方案
* 指令微调（Instruction Tuning）：让模型更好地理解指令
* 对齐优化（RLHF/DPO）：让模型的回答更符合人类偏好

**推荐工具：**

* HuggingFace Transformers \+ TRL （开源微调标准）
* Unsloth （加速微调，显存占用减半）
* Axolotl （配置驱动的微调框架）

**实战练习：**

1. 准备一个小型数据集（如 1000 条问答对），格式为 JSONL
2. 使用 QLoRA 微调 Llama\-3\-8B 或 Qwen\-7B，训练后测试效果
3. 对比微调前后模型在领域问题上的回答质量
4. 学习使用 Unsloth 加速微调，记录时间和显存占用

## 二、第 2 周：RAG（检索增强生成）

**理论要点：**

* RAG 的核心思想：先检索，再生成，减少幻觉
* 向量数据库：Chroma、FAISS、Milvus 的作用与区别
* 文档分块（Chunking）：合理分割文本是 RAG 成败关键
* 嵌入模型（Embedding Model）：文本向量化的工具
* 重排序（Reranking）：提高检索结果的相关性

**推荐工具：**

* LangChain / LlamaIndex （RAG 标准框架）
* ChromaDB / FAISS （向量数据库）
* sentence\-transformers （嵌入模型）

**实战练习：**

1. 用 LangChain \+ ChromaDB 构建一个简单的 RAG 系统，对自己的 PDF 文档做问答
2. 尝试不同的 Chunking 策略（固定大小 vs 递归），对比回答质量
3. 加入 Reranking 模型，观察检索精度提升
4. 尝试多路径检索（关键词 \+ 向量），对比结果

## 三、第 3\-4 周：推理与部署

**理论要点：**

* LLM 推理基础：自回归生成、贪心解码、Top\-k 采样、Temperature
* 量化（Quantization）：FP16、INT8、INT4 对模型质量和速度的影响
* 模型格式：GGUF（llama.cpp）、GPTQ、AWQ
* 推理引擎： vLLM、llama.cpp、Ollama、TGI
* 部署方式：本地部署、云部署、API 服务化

**推荐工具：**

* Ollama （本地推理，一键启动）
* vLLM （高性能推理服务）
* FastAPI （API 服务化）

**实战练习：**

1. 用 Ollama 在本地部署 Qwen2\.5\-7B 或 Llama\-3\.1\-8B
2. 用 FastAPI 将本地模型封装成 API 接口
3. 对比不同量化等级（FP16 vs INT8 vs INT4）的速度和质量
4. 用 vLLM 部署模型，测试吞吐量（tokens/sec）

# 阶段 5：Agent 与真实项目实战（4\-8 周）

目标：从理论走向实践，掌握 AI Agent 的核心概念、开发框架和真实项目落地。

## 一、第 1\-2 周：Agent 核心概念

**理论要点：**

* Agent 的定义：感知 → 思考 → 行动 → 反馈的循环体系
* 核心组件：
* 工具调用（Tool Calling）：让 LLM 使用外部工具（搜索、计算、API）
* 规划（Planning）：将复杂任务拆分为子任务序列
* 记忆（Memory）：短期记忆（对话上下文）\+ 长期记忆（知识库）
* 反思（Reflection）：自我评估与纠错
* 开发框架：LangGraph、AutoGen、CrewAI、OpenAI Agent SDK、Google ADK

**推荐课程：**

* LangGraph 官方教程（langchain\-ai.github.io/langgraph）
* OpenAI 官方 Agent 文档（platform.openai.com/docs）
* DeepLearning.AI 的 AI Agent 课程

**实战练习：**

1. 用 LangGraph 构建一个带工具调用的 Agent（能搜索、计算、查天气）
2. 实现一个带 Memory 的多轮对话 Agent
3. 尝试 ReAct 模式（Reason \+ Act），让 Agent"思考后行动"
4. 实现一个简单的 Reflection Loop，让 Agent 自我优化答案

## 二、第 3\-4 周：多 Agent 协作

**理论要点：**

* 单 Agent vs 多 Agent ：什么时候需要多 Agent
* 角色分工：研究员、程序员、评审员、项目经理
* 协作模式：顺序、并行、投票、评审
* 信息共享：共享状态、消息队列、事件驱动
* LangGraph 的 StateGraph 和 消息传递机制

**实战练习：**

1. 用 LangGraph 构建一个三角色 Agent 系统：
* 研究员 Agent：搜索信息
* 程序员 Agent：生成代码
* 评审员 Agent：审查结果并给出反馈
1. 实现 Agent 之间的信息传递和反馈循环

## 三、第 5\-6 周：真实项目实战（选 1\-2 个）

### 项目 1：智能客服 Agent

需求：构建一个能回答产品问题的智能客服 Agent

* 用 RAG 技术索引产品说明书（PDF/Markdown）
* 对接订单查询 API，查询订单状态
* 支持多轮对话，记住上下文
* 对无法回答的问题转人工处理

### 项目 2：代码助手 Agent

需求：构建一个能帮助开发者写代码的 Agent

* 能理解用户需求，生成代码
* 能读取项目文件结构，理解现有代码
* 能执行单元测试，自动修复错误
* 能提交 Pull Request （通过 GitHub API）

### 项目 3：数据分析 Agent

需求：构建一个能自动分析数据的 Agent

* 能读取 CSV/Excel 数据文件
* 能执行 Python 代码做数据分析和可视化
* 能生成自然语言报告
* 支持跟进问题（如"再帮我分析一下周趋势"）

### 项目 4：内容创作 Agent

需求：构建一个能自动生成内容的 Agent

* 根据主题自动搜索素材
* 生成大纲和初稿
* 自我审查并优化
* 输出为 Markdown / Word 格式

## 四、第 7\-8 周：高级主题与优化

**高级主题：**

* 函数调用（Function Calling）的原理与实现
* 结构化输出（JSON Mode）
* 流式输出（Streaming）与用户体验优化
* 评估 Agent 效果：准确率、鲁棒性、延迟
* Agent 监控与日志（LangSmith、LangFuse）
* 成本优化：缓存、模型选择、Prompt 优化

**实战练习：**

1. 给自己的 Agent 加入流式输出，提升用户体验
2. 使用 LangSmith 或 LangFuse 监控 Agent 的运行
3. 做一次 Agent 效果评估，写一份测试报告

# 附录：工具与资源速查表

## 一、编程语言

| **语言** | **用途** |
| --- | --- |
| Python | AI 开发的主语言，所有主流框架都支持 |
| JavaScript / TypeScript | 前端 Agent 界面、Vercel AI SDK、浏览器扩展 |

## 二、深度学习框架

| **框架** | **说明** |
| --- | --- |
| PyTorch | 最流行的深度学习框架，研究和生产首选 |
| JAX | 高性能数值计算，Google 主导 |

## 三、LLM 与 Agent 框架

| **框架** | **说明** |
| --- | --- |
| LangChain | 最流行的 LLM 应用框架，支持 RAG、Agent、Chain |
| LangGraph | 基于图的 Agent 框架，支持复杂工作流和状态管理 |
| LlamaIndex | 专注于数据索引和 RAG |
| CrewAI | 多 Agent 协作框架，简单易用 |
| OpenAI Agent SDK | OpenAI 官方 Agent 框架，原生支持 Function Calling |
| AutoGen | 微软的多 Agent 框架，支持复杂对话模式 |

## 四、推理与部署

| **工具** | **说明** |
| --- | --- |
| Ollama | 本地 LLM 推理，一键安装启动 |
| vLLM | 高性能推理服务，支持并发请求 |
| llama.cpp | C\+\+ 实现的轻量级推理，支持各种量化格式 |
| FastAPI | Python API 框架，用于封装模型接口 |

## 五、向量数据库与嵌入

| **工具** | **说明** |
| --- | --- |
| ChromaDB | 轻量级向量数据库，适合开发和小规模 |
| FAISS | Meta 开源，高性能相似度搜索 |
| Milvus | 企业级向量数据库，支持分布式 |
| sentence\-transformers | 文本向量化库，支持多种 Embedding 模型 |

## 六、学习资源汇总

**免费视频课程：**

* Andrew Ng 机器学习课程（Coursera）
* 3Blue1Brown 系列（B 站）
* Andrej Karpathy 的深度学习视频（YouTube）
* DeepLearning.AI 的 AI Agent 专题课程

**书籍推荐：**

* 《深度学习》（Ian Goodfellow）—— 理论基础
* 《动手学深度学习》（张浩）—— 实战入门
* 《LangChain Cookbook》—— LangChain / LangGraph 实战

**官方文档：**

* PyTorch 官方教程：pytorch.org/tutorials
* HuggingFace 课程：huggingface.co/learn
* LangGraph 文档：langchain\-ai.github.io/langgraph
* Ollama 文档：ollama.com/docs

# 结语

AI Agent 的学习之路不是一条线，而是一张网。

* 数学是地基，让你理解模型为什么有效
* 深度学习是框架，让你理解网络如何工作
* 核心模型是工具箱，让你知道哪个工具适合哪个任务
* LLM 工程是手艺，让你把模型变成产品
* Agent 实战是目的地，让你用 AI 解决真实问题

每个阶段不需要 100% 精通再进入下一个。学会 60% 就可以往前走，在后续实战中反复回来补强。

**关键是：**

* 动手写代码，不要只看不练
* 每个阶段做一个小项目，积累成果
* 记录学习笔记，建立自己的知识库
* 参与社区，分享和学习别人的项目