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）
