真心建议大家都去飞书学AI Agent！真的能打破信息差！！
这是一套聚焦于“AI Agent（智能体）”的入门到实践学习路线。并将学习路线中涉及到的所有Agent资源整理到这份飞书文档中，希望能够对大家有所帮助！本路线旨在摒弃冗余理论，以“理解原理、动手实践、项目驱动”为核心，帮助你在最短时间内掌握构建Agent的核心技能。
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：理解大模型工作原理，掌握与大模型高效沟通的能力，这是Agent的“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:掌握角色扮演、任务分解、格式限定等高级提示技巧，确保模型输出稳定可用。
实践:在ChatGPT或Kimi中，尝试用“请以JSON格式输出...”等指令控制输出结构。
-
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)的基本调用方法。
核心概念:必学Function Calling(函数调用)。这是Agent感知外部世界的桥梁
实践:写一个Python脚本，让大模型通过调用API告诉我“当前北京的天气”。(你需要一个天气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，并熟练使用主流框架。
-
理解ReAct模式
学习内容:研读ReAct论文或解读文章。理解Thought(思考)、Action(行动)、Observation(观察)的循环逻辑。
实践:不借助框架，手动用代码实现一个最简单的ReAct循环:让模型决定调用计算器或搜索引擎。
-
框架学习:LangChain/LangGraph
学习内容:掌握Chains(链)、Tools(工具)、Agents (能体)、Memory(记忆)。
重点:学习如何自定义Tool，如何组装Agent.
实践:用LangChain搭建一个能够回答“某部电影票房是多少，并计算其与另一部电影的差值"的Agent(需调用搜索和计算器工具)。
第三阶段:记忆与外部工具(第7-8周）
目标:让Agent拥有短期记忆、长期记忆和使用真实世界工具的能力。
-
记忆机制
学习内容:短期记忆(会话缓存)、长期记忆(向量数据库)。
技术栈:学习ChromaDB或FAISS，掌握如何将对话历史切片、嵌入并存储。
实践:做一个带记忆的客服Agent，它能在第二天记得你昨天提过的名字。
-
工具调用实战
学习内容: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连接本地SQLite数据库，回答“上个月销售额最高的产品是什么?
第四阶段:多智能体与复杂应用(第9-12周)
目标:搭建多个Agent协作完成复杂任务，完成最终项目。
-
多智能体协作
学习内容:了解AutoGen或CrewAI框架。理解“管理者-执行者”、“辩论”等协作模式。
核心概念:Agent间的消息传递机制。
实践:搭建一个“编程团队”:一个产品经理Agent写需求，一个工程师Agent写代码，一个测试Agent找Bug。
-
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。
梳理了2026年最新大模型与Agent的飞书全套宝藏籽料📚，👉获取方式： 👉掘金大礼包🎁： [全网最全《LLM大模型入门+进阶学习资源包》免费分享] （安全练接，放心点击） ]👈
