Appearance
AI Agent 知识图谱 🗺️
🎯 目标：面试准备 + 系统进阶学习，从 LLM 对话到自主智能体的技术跃迁 📅 版本：v1.0 | 📅 创建：2026-05-12 📊 状态：初版生成
🗺️ 知识地图总览
┌───────────────────────────────────────────────────────────────┐
│ AI Agent 知识体系 │
├───────────────────────────────────────────────────────────────┤
│ │
│ 一、大脑层（LLM 与决策） │
│ ┌────┬───┬───┬───┐ │
│ │ 模型│推理│路由│微调│ │
│ └────┴───┴───┴───┘ │
│ │
│ 二、记忆层（存储与检索） │
│ ┌────┬───┬───┬───┐ │
│ │短期│长期│MAGMA│遗忘│ │
│ └────┴───┴───┴───┘ │
│ │
│ 三、工具层（调用与编排） │
│ ┌────┬───┬───┬───┐ │
│ │FC │MCP │API │Browser│ │
│ └────┴───┴───┴───┘ │
│ │
│ 四、规划层（拆解与执行） │
│ ┌────┬───┬───┬───┐ │
│ │ReAct│Reflexion│ToT│Agent-X│ │
│ └────┴──────┴───┴───┘ │
│ │
│ 五、多代理协作 │
│ ┌────┬───┬───┬───┐ │
│ │Swarm│Crew│AutoGen│MetaGPT│ │
│ └────┴───┴───┴───┘ │
│ │
│ 六、框架与平台 │
│ ┌────┬───┬───┬───┐ │
│ │Lang│LLM│OASDK│DSPy │ │
│ └────┴───┴───┴───┘ │
│ │
│ 七、评估与安全 │
│ ┌────┬───┬───┐ │
│ │评测│安全│HITL │ │
│ └────┴───┴───┘ │
│ │
└───────────────────────────────────────────────────────────────┘📖 知识模块目录
模块一：AI Agent 基础概念 ⭐⭐⭐
Agent 是什么 — 核心定义、四模块架构、与 LLM 的本质区别
01_基础概念/
├── 01_Agent 定义与核心架构.md # 大脑/记忆/规划/行动
├── 02_LLM 与 Agent 的关系.md # 从对话到行动
├── 03_Function Calling 详解.md # 结构化输出与工具调用
├── 04_MCP 协议详解.md # 工具连接标准
├── 05_核心技术选型指南.md # 模型/框架/工具链
└── README.md模块二：核心框架与生态 ⭐⭐⭐
Agent 开发框架全览 — LangChain/LangGraph、LlamaIndex、OpenAI Agents SDK
02_核心框架/
├── 01_LangChain 全解析.md # 链/代理/记忆/工具
├── 02_LangGraph 有向图编排.md # 状态机/循环/分支
├── 03_LlamaIndex 检索优先.md # 索引/查询/知识库
├── 04_OpenAI Agents SDK.md # 官方 SDK / 多Agent
├── 05_DSPy 程序化提示.md # 声明式 Agent
├── 06_Pydantic AI.md # Python 原生
├── 07_其他框架速览.md # CrewAI / AutoGen / Phidata
└── README.md模块三：高级模式与模式 ⭐⭐
ReAct / Reflexion / ToT / 多Agent / 自进化 — Agent 的高级能力
03_高级模式/
├── 01_ReAct 模式.md # Reasoning + Acting
├── 02_Reflexion 反思机制.md # 自我评估与改进
├── 03_树思考 ToT GoT.md # 树状/图状推理
├── 04_多Agent协作架构.md # Swarm/CrewAI/AutoGen
├── 05_Memory 记忆架构.md # 短期/长期/MAGMA
├── 06_Agent 编排模式.md # LLM决策 / 代码编排
├── 07_HITL 人在回路.md # 人工干预
└── README.md模块四：工程实践与落地 ⭐⭐
生产级 Agent — 部署、监控、成本优化、安全对齐、评测
04_工程实践/
├── 01_Agent 工程化架构.md # 生产级设计模式
├── 02_成本优化策略.md # Token 管理 / 模型路由
├── 03_Agent 评测基准.md # AgentBench / 自建评测
├── 04_安全对齐与护栏.md # 内容安全 / 越狱防御
├── 05_监控与可观测性.md # 日志 / 指标 / 追踪
├── 06_部署架构.md # Serverless / Edge / Docker
└── README.md模块五：前沿趋势 ⭐
LLM-as-Agent / 自进化 / 端到端 / Agent 操作系统
05_前沿趋势/
├── 01_LLM_as_Agent.md # 模型即 Agent，无需框架
├── 02_端到端 Agent 训练.md # 强化学习 / RLHF / GRPO
├── 03_Agent 操作系统.md # 未来操作系统形态
├── 04_自进化 Agent.md # 自动改进 / 自我修正
├── 05_多模态 Agent.md # 视觉 / 音频 / 视频
├── 06_垂直行业应用.md # 金融/医疗/教育/代码
└── README.md🎓 学习路径建议
初级（0-2 年 / 入门阶段）
- 模块一：基础概念 ⭐⭐⭐ — 理解 Agent 是什么、核心架构、Function Calling
- 模块二：核心框架 ⭐⭐⭐ — 学 LangChain + OpenAI Agents SDK
- 模块三：ReAct 模式 ⭐⭐ — 最经典的 Agent 工作流
中级（2-5 年 / 进阶阶段）
- 模块三：多Agent协作 ⭐⭐ — 理解 Swarm/CrewAI
- 模块三：Reflexion + ToT ⭐⭐ — 高级推理模式
- 模块四：工程实践 ⭐⭐ — 生产部署必备
- 模块二：LangGraph 编排 ⭐⭐ — 复杂工作流
高级（5 年+ / 专家阶段）
- 全模块深度钻研 — 原理级理解，源码贡献
- 模块五：前沿方向 ⭐ — LLM-as-Agent / 端到端训练 / 自进化
- 评测与安全 — 制定 Agent 安全标准
📝 模块关系说明
为什么这样划分？
- 基础概念是根基 — 不理解 Function Calling 就无法理解现代 Agent
- 框架独立为一层 — LangChain/LlamaIndex/OASDK 是不同范式，不应混在一起
- 高级模式独立 — ReAct/Reflexion/ToT 是通用模式，不依赖特定框架
- 工程实践独立 — 生产部署有独特挑战（成本/安全/监控），需要专门章节
- 前沿趋势压轴 — LLM-as-Agent 正在颠覆框架范式，属于最新变化
📝 内容来源
官方文档
经典论文
- ReAct: Synergizing Reasoning and Acting
- The Landscape of Emerging AI Agent Architectures
- A Survey on LLM-Based Agents
- Agentic AI Survey (Springer)
- Awesome-Agent-Harness-Survey (HF)
开源项目
社区资源
📅 最后更新：2026-05-12