本文提供了一套从入门到实战的AI Agent学习路线，旨在帮助想要转行做Agent的程序员快速掌握核心技能。内容涵盖提示词工程、LLM调用、ReAct模式、LangChain框架、记忆机制、外部工具调用以及多智能体协作等关键知识点，并通过实际项目帮助读者巩固所学。建议学习时间为3-4个月，每天投入2-3小时。学习路线强调动手实践，避免复杂理论，适合希望快速入门AI Agent领域的学习者。
总耗时建议: 3-4个月(每天2-3小时)。
第一阶段: 基石搭建–提示词与LLM调用(第1-3周)
目标: 搞懂大模型的底层工作逻辑，学会和大模型高效对话，这部分就是Agent的核心大脑。
深入理解提示词工程
学习内容: 零样本提示、少样本提示、思维链。
核心技巧: 熟练使用角色扮演、任务分解、格式限定等高阶提示方法，让模型输出结果稳定、能直接使用。
实践: 在ChatGPT或Kimi里，用“请以JSON格式输出…”这类指令，控制模型的输出结构。
API调用与函数调用
学习内容: 学习OpenAI API或国产大模型API（如智谱、通义千问）的基础调用方式。
核心概念: 必须掌握Function Calling（函数调用），这是Agent连接外部世界的关键通道。
实践: 编写一段Python脚本，让大模型通过调用API查询“当前北京的天气”（需要搭配一个天气API）。
第二阶段: Agent核心范式——从ReAct到LangChain(第4-6周)
目标：理解Agent的思考-行动-观察循环，能熟练使用主流框架。理解ReAct模式
学习内容：研读ReAct论文或者相关解读文章，搞明白Thought思考、Action行动、Observation观察的循环逻辑
实践：不借助现成框架，直接用代码手动实现一个最简单的ReAct循环。让模型自己判断是调用计算器还是搜索引擎
框架学习：LangChain/LangGraph
学习内容：掌握Chains链、Tools工具、Agents智能体、Memory记忆。重点学习怎么自定义Tool，怎么把Agent组装起来
实践：用LangChain搭建一个Agent，能够回答某部电影的票房，并计算和另一部电影的票房差值，需要用到搜索工具和计算器工具。
第三阶段: 记忆与外部工具(第7-8周)
目标: 让Agent具备短期记忆、长期记忆，以及调用真实世界工具的能力。
记忆机制
学习内容: 短期记忆对应会话缓存，长期记忆对应向量数据库。
技术栈: 学习ChromaDB或FAISS，学会把对话历史进行切片、嵌入和存储。
实践: 做一个带有记忆功能的客服Agent，第二天还能记住你昨天说过的名字。
工具调用实战
学习内容: 编写代码调用搜索引擎、arXiv学术搜索、SQL数据库、本地API。
实践: 让Agent对接本地SQLite数据库，回答“上个月销售额最高的产品是什么？”这类问题。
第四阶段: 多智能体与复杂应用(第9-12周)
目标: 搭建多个智能体相互配合，一起完成复杂任务，最终落地整个项目。
多智能体协作
学习内容: 学习并掌握 AutoGen 或 CrewAI 框架。理解管理者-执行者、辩论等常见的协作模式。
核心概念: 智能体之间的消息传递机制。
实践: 搭建一个编程团队：由产品经理智能体写需求、工程师智能体写代码、测试智能体找Bug，完成完整流程。
最终实战项目(三选一)
个人研究助手: 输入一个主题，Agent联网搜索、整理文献、生成综述报告。
自动化工作流机器人: 监听邮件附件，自动下载、分析Excel数据，并发送汇总邮件。
行业专家Agent: 模拟一个行业分析师，能根据财报数据回答复杂的投资问题。
避坑指南: 不要陷入“调包"误区。初期一定要尝试手写一次ReAct循环，才能真正理解Agent的灵魂。
最后
对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？
答案只有一个：人工智能（尤其是大模型方向）
当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。
再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。
对于想入局大模型、抢占未来10年行业红利的程序员和小白来说，现在正是最好的学习时机：行业缺口大、大厂需求旺、薪资天花板高，只要找准学习方向，稳步提升技能，就能轻松摆脱“低薪困境”，抓住AI时代的职业机遇。
如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！
下面是我整理的大模型学习资源，希望能帮到你。
👇👇扫码免费领取全部内容👇👇
最后
1、大模型学习路线
2、从0到进阶大模型学习视频教程
从入门到进阶这里都有，跟着老师学习事半功倍。
3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）
4、 AI大模型最新行业报告
2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
5、面试试题/经验
【大厂 AI 岗位面经分享（107 道）】
【AI 大模型面试真题（102 道）】
【LLMs 面试真题（97 道）】
6、大模型项目实战&配套源码
适用人群
四阶段学习规划（共90天，可落地执行）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
-
硬件选型
-
带你了解全球大模型
-
使用国产大模型服务
-
搭建 OpenAI 代理
-
热身：基于阿里云 PAI 部署 Stable Diffusion
-
在本地计算机运行大模型
-
大模型的私有化部署
-
基于 vLLM 部署大模型
-
案例：如何优雅地在阿里云私有部署开源大模型
-
部署一套开源 LLM 项目
-
内容安全
-
互联网信息服务算法备案
-
…
👇👇扫码免费领取全部内容👇👇
3、这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】
https://mp.weixin.qq.com/s/C8Eqg1SLGfANODzi0zGFwghttps://mp.weixin.qq.com/s/C8Eqg1SLGfANODzi0zGFwg
6万+
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
