导图社区 AI Agent 学习计划
这是一篇关于AI Agent 学习计划的思维导图,主要内容包括:进阶领域与前沿趋势,实践项目与开发流程,关键技术栈与工具,基础理论与核心概念。
涵盖了从2024年2月到5月的工作计划和目标。2024年2月:加入了中软国际教育,迎来了职业生涯的一个新开始。教学工作:立即开始了教学工作,每周需要上22节课,覆盖三个班级和4门课程。技能大赛:进行了第一个团队学生技能大赛的筹备和结果公布。学生名单:收集了优秀学生名单,作为奖励和进一步培养的依据。团队指导:接手了一个学生省技能大赛团队的指导工作等内容。
社区模板帮助中心,点此进入>>
互联网9大思维
组织架构-单商户商城webAPP 思维导图。
域控上线
python思维导图
css
CSS
计算机操作系统思维导图
计算机组成原理
IMX6UL(A7)
考试学情分析系统
AI Agent 学习计划
基础理论与核心概念
Agent概念
Agent的构成框架
ReAct框架
Reasoning
Memory
Tools / Actions
Planning
Agent的分类
单一Agent vs 多Agent系统
对话Agent、决策Agent、模拟Agent等
基于LLM的Agent、符号AI Agent、混合Agent
建立对AI Agent的宏观认知&理解Coze的设计哲学并熟悉平台界面(10 days)
关键技术栈与工具
核心大语言模型
闭源API:GPT-4, Claude, Gemini(快速原型、稳定性高)
开源模型:Llama, Qwen, Mixtral(可定制、私有部署)
模型选型考量:成本、性能、延迟、上下文长度
开发框架与库
LangChain / LangGraph
LlamaIndex
Semantic Kernel: 微软出品,与Azure生态结合紧密
AutoGen / CrewAI
记忆与知识库
向量数据库:Pinecone, Chroma, Weaviate, Qdrant
Embedding 模型:text-embedding-ada-002, BGE, M3E
工具与集成
API 调用:OpenAPI, RESTful
代码执行:代码解释器
Web 搜索:Serper, Tavily
coze平台
模型与角色设定
模型选择
人设与回复要求
基础提示词优化
工作流
节点概念
变量与数据流
知识库
文档上传与处理
分段与检索
优化检索效果
插件
内置插件
自定义插件
插件使用逻辑
掌握实现Agent所需的工具和技术(15 days)
实践项目与开发流程
学习路径
项目一:初级 - 增强型问答机器人
技术栈:LLM + RAG(LlamaIndex + 向量数据库)
目标:让Agent能基于自定义文档回答问题
项目二:中级 - 自动化任务助手
技术栈:LangChain Agent + Tools(搜索、计算、日历API)
目标:构建一个能联网搜索、进行信息整合和简单规划的Agent
项目三:高级 - 多Agent协作系统
技术栈:CrewAI 或 AutoGen
目标:模拟一个团队,例如“市场分析团队”(研究员、分析师、撰稿人)协作完成一份报告
开发与调试
提示工程: 设计精准的System Prompt和指令
评估方法: 如何评估Agent的性能(正确性、效率、成本)
可观测性: 使用LangSmith等工具追踪Agent的思考链和工具调用过程
成本控制: 监控Token消耗和API调用成本
通过动手项目巩固知识(20 days)
进阶领域与前沿趋势
智能体模拟与社会
Generative Agents
多Agent在游戏、经济、社会模拟中的应用
具身智能
Agent在机器人、物理环境中的感知与控制
AI安全与对齐
如何确保Agent的目标与人类一致
防止越权、幻觉、有害输出
长期目标与规划
强化学习与LLM的结合
让Agent在复杂环境中进行长期规划
开源生态与工具
关注Hugging Face, GitHub上的最新项目
拓展视野,紧跟行业发展(20 days)