Shadowgraph
TrendingAbout
Sign in

Callous-0923/agent-study

36章AI Agent全栈课程：从ReAct循环到Claude Code逆向、MCP/A2A协议、RAG、DSPy、生产可观测性——全部为可运行Python文件。

HTML

499

41 commits

updated Sep 5, 2026

agent-study-ruddy.vercel.app

See the code

README

🤖 AI Agent 全栈学习课程

从零到一，系统掌握 AI Agent 核心理论与工程实践
37 章节 · 22000+ 行代码 · 60+ 可运行示例 · 面试全覆盖

Python Chapters License Update

🇺🇸 English README

🔗 快速入口

在线站点 GitHub RAG 深度解析 MCP 协议详解

🌐 无需安装，浏览器直接看：agent-study-ruddy.vercel.app · 37 章完整内容 · 深色蓝图风格 · 手机/电脑自适应

📖 项目简介

这是一套面向求职和产品工程的 AI Agent 全栈学习课程，从 Agent 基础理论到代码 Agent、从 RAG 到 MCP 2026-07-28 / A2A v1.0、从 Responses API 工具编排到流式 UI、评测、安全与可观测性，覆盖 37 个主题、7 个层次。每个章节都是 可独立运行的 .py 文件，既是完整讲义，又是可执行代码。

适合人群：应届毕业生、转行工程师、任何想系统学习 AI Agent 的开发者。

🗺️ 课程路线图（37 章 · 7 层递进）

第1层：理论基础 ── 第2层：工程实践 ── 第3层：深度技术 ── 第4层：工程化与前沿
   Ch1-3               Ch4-7              Ch8-12              Ch13-18

第5层：高级架构 ── 第6层：基础补强 ── 第7层：专家级进阶
  Ch19-24            Ch25-28            Ch29-36

第1层：Agent 理论基础

章节内容关键技术
Ch0课程概览与环境搭建学习路线图、依赖安装、API Key 配置
Ch1第一个 Agent裸写 ReAct 循环、Function Calling 原理
Ch2Agent 核心组件规划器、记忆系统（短期/长期/工作）、工具设计黄金法则
Ch3Agent 类型分类ReAct / Plan-Execute / Reflexion 对比

第2层：工程实践与框架

章节内容关键技术
Ch4主流框架实战LangChain Agent + LangGraph 状态机
Ch5多智能体系统Writer+Reviewer 协作、crewAI 风格
Ch6评估与测试评测框架、LLM-as-Judge、生产 Checklist
Ch7求职面试准备20 道高频面试题 + 项目指南 + 面试流程

第3层：深度技术剖析

章节内容关键技术
Ch8Claude Code 架构nO 主循环、h2A Steering、上下文压缩、SubAgent
Ch9RAG 深度解析Chunk策略·Embedding选型·RRF·Cross-Encoder·生产模式
Ch10MCP 协议详解JSON-RPC、原语（Tools/Resources/Prompts）、能力协商
Ch11Tool Calling 底层OpenAI vs Anthropic、Streaming 组装、Strict 模式
Ch12Agent 生产基础设施OpenClaw 架构、Harness、MultiAgentEval、生产化 Checklist

第4层：工程化与前沿

章节内容关键技术
Ch13FastAPI 服务化REST API、SSE 流式、WebSocket、生产部署架构
Ch14SQLite 持久化5 表 Schema、WAL 模式、会话/任务/用户管理
Ch15Google A2A 协议AgentCard、Task、Artifact、Multi-Agent 协作
Ch16MemGPT/Letta 记忆Core Memory、Heartbeat、Sleep-Time、Filesystem Memory
Ch17Computer UseScreenshot-Action Loop、坐标计算、安全沙箱
Ch18Agent 安全与护栏Prompt Injection 攻防、权限分级、输入消毒、审计

第5层：高级架构与优化

章节内容关键技术
Ch19Agentic Workflow 设计模式Reflection / Routing / Orchestrator-Worker / Evaluator-Optimizer 等 7 种模式
Ch20Context EngineeringContext Rot 原理、预算管理、XML 结构化 Prompt、Skill.md
Ch21Streaming & 实时架构EventBus、动态中断、背压控制、StateManager Reducer
Ch22DSPy 自动优化Signature→Module→Optimizer、自动 few-shot、与 LangChain 互补
Ch23代码 Agent 架构横评CodeAct / ACI / Plan-Execute、SWE-bench、Agentless 发现
Ch24Agent 可观测性Tracing Span 树、Dashboard、LangSmith vs LangFuse、告警规则

第6层：基础能力补强

章节内容关键技术
Ch25向量数据库选型Chroma/Pinecone/Milvus/Qdrant 对比、Embedding 维度权衡
Ch26模型路由策略Threshold / Cascade / Semantic / Cost-Aware 四种路由
Ch27Agent Prompt 工程System Prompt 6 模块模板、工具描述评分卡
Ch28语义缓存与 Token 优化Exact→Semantic→LLM 三级缓存、Token 预算管理

第7层：专家级进阶

章节内容关键技术
Ch29Multi-Modal Agent视觉+文本联合推理、多模态 Tool Calling
Ch30Agent 可靠性工程熔断器、指数退避重试、幂等性、降级策略
Ch31Agent 评测体系深度GAIA / AgentBench / WebArena / ClawBench / tau-bench / SWE-bench 六大评测
Ch32Self-Improving AgentBad Case 收集→自动改 Prompt→评测验证
Ch33Prompt Caching & 推理优化Anthropic Cache、KV共享、推测解码
Ch34模型微调 for Function CallingLoRA、微调数据准备、成本收益对比
Ch35数据飞轮交互采集→Bad Case识别→自动触发改进
Ch36Agent 纵深安全Canary Token、分层隔离、行为沙箱

🚀 快速开始

1. 克隆仓库

git clone https://github.com/Callous-0923/agent-study.git
cd agent-study

2. 环境检查

python chapter_00_overview/00_course_overview.py

3. 安装依赖

打开 chapter_00_overview/00_course_overview.py，将 install = False 改为 install = True，然后运行：

python chapter_00_overview/00_course_overview.py

4. 配置 API Key（仅 Ch1-5 需要）

在项目根目录创建 .env 文件：

OPENAI_API_KEY=sk-your-api-key-here
OPENAI_BASE_URL=https://api.openai.com/v1
LLM_MODEL=gpt-5.6-terra

也可使用国产模型（DeepSeek / 通义千问），修改 OPENAI_BASE_URL 和 LLM_MODEL 即可。

5. 开始学习（大部分章节无需 API Key！）

# 无需 API Key，直接运行
python chapter_08_claude_code/08_claude_code_architecture.py
python chapter_10_mcp/10_mcp_deepdive.py
python chapter_14_sqlite/14_sqlite_agent_storage.py
python chapter_19_workflow_patterns/19_workflow_patterns.py
python chapter_21_streaming/21_streaming_architecture.py
python chapter_24_observability/24_observability.py
python chapter_26_model_routing/26_model_routing.py
python chapter_28_cache/28_cache.py

📦 依赖说明

依赖使用章节说明
openaiCh1-3OpenAI API 调用
langchain + langgraphCh4-5Agent 框架实战
fastapi + uvicornCh13Agent 服务化部署
pydanticCh13数据模型校验
python-dotenvCh0环境变量管理

可选安装 pip install -e ".[agents]"，用于继续学习 OpenAI Agents SDK；课程核心示例仍以 Responses API 和可离线运行的教学实现为主。

注：Ch8-12、Ch14-28 绝大部分章节仅依赖 Python 标准库（sqlite3、asyncio、hashlib 等），无需额外安装即可运行。

🎯 学习建议

路径 1：从零开始（推荐新手）

按 Ch0 → Ch36 顺序学习，每章 1-2 小时。

路径 2：面试突击（重点章节）

  • Ch7：20 道高频面试题 + 面试流程
  • Ch8：Claude Code 架构（工业级 Agent 设计）
  • Ch10 + Ch15：MCP & A2A 双协议
  • Ch11：Tool Calling 底层机制
  • Ch18：Agent 安全（区分 Demo vs 生产工程师）
  • Ch19：Workflow 设计模式（系统设计万能框架）
  • Ch26：模型路由（用私有评测集验证质量、延迟与成本）

路径 3：构建产品

  • Ch13：FastAPI 服务化
  • Ch14：SQLite 持久化
  • Ch11 + Ch21：Tool Search/PTC + 流式 UI、审批与 Realtime
  • Ch12 + Ch24：生产化 Checklist + 可观测性
  • Ch26 + Ch28：成本优化（路由 + 缓存）

🧠 核心技术覆盖

Tool Calling 底层     ★★★★★  OpenAI/Anthropic + Tool Search/PTC + Streaming 组装
MCP 协议              ★★★★★  2026-07-28 无状态核心 + 路由头/MRTR/缓存
A2A 协议              ★★★★★  v1.0 AgentCard/Task/Artifact + 标准流事件
Claude Code 架构      ★★★★★  nO/h2A/Compaction/SubAgent 逆向分析
RAG 全栈              ★★★★   Chunk策略/Embedding选型/RRF/Cross-Encoder/生产
模型路由              ★★★★   4 种策略 + 质量/延迟/成本联合评测
语义缓存              ★★★★   三级缓存 + Token 预算管理
Agent 安全            ★★★★   Prompt Injection + 权限分级 + 4 层防御
DSPy 自动优化         ★★★★   Signature/Module/Optimizer + LangChain 互补
Agentic Workflow      ★★★★   7 种设计模式 + 系统设计答题框架
Context Engineering   ★★★★   Context Rot 原理 + XML Prompt + 预算管理
Streaming 实时架构    ★★★★   EventBus + 可运行 Web UI + 断线恢复/审批/Realtime
可观测性              ★★★★   Tracing Span 树 + LangSmith vs LangFuse
MemGPT 记忆           ★★★★   Core Memory/Heartbeat/Sleep-Time/Filesystem
代码 Agent            ★★★    CodeAct/ACI/Plan-Execute + SWE-bench
向量数据库            ★★★    Chroma/Pinecone/Milvus/Qdrant + Embedding 策略
FastAPI 服务化        ★★★    REST/SSE/WebSocket + 生产部署架构
SQLite 持久化         ★★★    5 表 Schema + WAL + 审计查询
Computer Use          ★★★    Screenshot-Action Loop + 安全沙箱

📁 项目结构

agent-study/
├── README.md
├── .gitignore
├── chapter_00_overview/              🚀 课程概览 + 环境搭建
├── chapter_01_fundamentals/          📖 第一个 Agent（裸写 ReAct）
├── chapter_02_components/            🧩 规划器 + 记忆 + 工具设计
├── chapter_03_types/                 🎯 ReAct / Plan-Execute / Reflexion
├── chapter_04_frameworks/            🔧 LangChain + LangGraph
├── chapter_05_multi_agent/           🤝 多智能体协作
├── chapter_06_evaluation/            📊 评测 + 测试策略
├── chapter_07_interview/             🎓 20道面试题 + 求职指南
├── chapter_08_claude_code/           🏗️ Claude Code 架构逆向
├── chapter_09_rag_deepdive/          🔍 RAG 深度解析（Chunk·Embedding·生产）
├── chapter_10_mcp/                   🔌 MCP 协议完整实现
├── chapter_11_tool_calling/          ⚙️ Tool Calling 底层原理
├── chapter_12_infrastructure/        🏭 OpenClaw/Harness/生产基础设施
├── chapter_13_fastapi/               🌐 FastAPI Agent 服务化
├── chapter_14_sqlite/                💾 SQLite 持久化存储
├── chapter_15_a2a/                   🤖 Google A2A 协议
├── chapter_16_memgpt/                🧠 MemGPT/Letta 记忆架构
├── chapter_17_computer_use/          🖥️ Computer Use + GUI
├── chapter_18_security/              🛡️ Agent 安全与护栏
├── chapter_19_workflow_patterns/     🏷️ Agentic Workflow 设计模式
├── chapter_20_context_engineering/   📐 Context Engineering
├── chapter_21_streaming/             📡 EventBus 实时架构
├── chapter_22_dspy/                  🔬 DSPy 自动优化
├── chapter_23_code_agents/           📊 代码 Agent 架构横评
├── chapter_24_observability/         📈 可观测性（LangSmith/LangFuse）
├── chapter_25_vectordb/              🗄️ 向量数据库选型
├── chapter_26_model_routing/         🔀 模型路由与成本优化
├── chapter_27_prompt_eng/            ✍️ Agent Prompt 工程
├── chapter_28_cache/                 ⚡ 语义缓存与 Token 优化
├── chapter_29_multimodal/            👁️ Multi-Modal Agent
├── chapter_30_reliability/           🛡️ Agent 可靠性工程
├── chapter_31_benchmarks/            📊 Agent 评测体系深度
├── chapter_32_self_improving/        🔄 Self-Improving Agent
├── chapter_33_prompt_cache/          💾 Prompt Caching & 推理优化
├── chapter_34_finetune/              🎯 模型微调 for Function Calling
├── chapter_35_data_flywheel/         🔁 数据飞轮
└── chapter_36_defense/               🏰 Agent 纵深安全

✨ 特点

  • 📝 讲义即代码：每个 .py 文件既是完整讲义（模块级 docstring），又是可运行代码
  • 🤖 无需 API Key：Ch8-28 绝大部分章节仅依赖标准库，可直接运行
  • 🎤 面试导向：每章标注面试高频考点 + 回答框架 + 得分点
  • 🔗 前后关联：章节间通过引用形成完整知识网络
  • 📊 可运行演示：每个章节都包含完整的演示输出
  • 🇨🇳 中文优先：全中文讲义 + 代码注释

🌟 参考资料

📄 许可

MIT License — 自由使用、修改、分发。

如果这个项目对你有帮助，请给一个 ⭐ Star！
37 章 · 7 层递进 · 2026.08 已核对 · 欢迎提交 Issue 和 PR

Contributors

Callous-0923

40 commits

reacher-z

1 commits

Similar repos

songuu/agent

1

adongwanai/AgentGuide

https://adongwanai.github.io/AgentGuide | AI Agent开发指南 | LangGraph实战 | 高级RAG | 转行大模型 | 大模型面试 |…

10,004

datawhalechina/Agent-Learning-Hub

AI Agent 学习路线与资料库收集

8,161

skyming/awesome-ai-agent

AI Agent 资源汇总，不限于基础概念、Harness 实践、RAG、测评基准、感知记忆、开源项目推荐、核心论文、开源项目等

289

agenticloops-ai/agentic-ai-engineering

Hands-on tutorials for building AI agents from scratch. Learn LLM APIs, prompt engineering, tool…

349

WenyuChiou/awesome-agentic-ai-zh

A trilingual (繁中 / English / 简中) learning roadmap for agentic AI: from LLM basics to multi-agent…

7,156

bcefghj/ai-agent-interview-guide

AI Agent 面试全攻略：从零到Offer，包含200+面试题、企业级项目(Python/Java/Go)、简历模板、STAR面试稿、哆啦A梦漫画图解

2,729

mrsachindixit/agentixit

Notes on Agentic AI - a text-first teaching module for practising engineers, with runnable…

9

Languages

HTML

78.3%

Python

21.7%

Callous-0923/agent-study

36章AI Agent全栈课程：从ReAct循环到Claude Code逆向、MCP/A2A协议、RAG、DSPy、生产可观测性——全部为可运行Python文件。

HTML

499

41 commits

updated Sep 5, 2026

agent-study-ruddy.vercel.app

See the code

README

🤖 AI Agent 全栈学习课程

从零到一，系统掌握 AI Agent 核心理论与工程实践
37 章节 · 22000+ 行代码 · 60+ 可运行示例 · 面试全覆盖

Python Chapters License Update

🇺🇸 English README

🔗 快速入口

在线站点 GitHub RAG 深度解析 MCP 协议详解

🌐 无需安装，浏览器直接看：agent-study-ruddy.vercel.app · 37 章完整内容 · 深色蓝图风格 · 手机/电脑自适应

📖 项目简介

这是一套面向求职和产品工程的 AI Agent 全栈学习课程，从 Agent 基础理论到代码 Agent、从 RAG 到 MCP 2026-07-28 / A2A v1.0、从 Responses API 工具编排到流式 UI、评测、安全与可观测性，覆盖 37 个主题、7 个层次。每个章节都是 可独立运行的 .py 文件，既是完整讲义，又是可执行代码。

适合人群：应届毕业生、转行工程师、任何想系统学习 AI Agent 的开发者。

🗺️ 课程路线图（37 章 · 7 层递进）

第1层：理论基础 ── 第2层：工程实践 ── 第3层：深度技术 ── 第4层：工程化与前沿
   Ch1-3               Ch4-7              Ch8-12              Ch13-18

第5层：高级架构 ── 第6层：基础补强 ── 第7层：专家级进阶
  Ch19-24            Ch25-28            Ch29-36

第1层：Agent 理论基础

章节内容关键技术
Ch0课程概览与环境搭建学习路线图、依赖安装、API Key 配置
Ch1第一个 Agent裸写 ReAct 循环、Function Calling 原理
Ch2Agent 核心组件规划器、记忆系统（短期/长期/工作）、工具设计黄金法则
Ch3Agent 类型分类ReAct / Plan-Execute / Reflexion 对比

第2层：工程实践与框架

章节内容关键技术
Ch4主流框架实战LangChain Agent + LangGraph 状态机
Ch5多智能体系统Writer+Reviewer 协作、crewAI 风格
Ch6评估与测试评测框架、LLM-as-Judge、生产 Checklist
Ch7求职面试准备20 道高频面试题 + 项目指南 + 面试流程

第3层：深度技术剖析

章节内容关键技术
Ch8Claude Code 架构nO 主循环、h2A Steering、上下文压缩、SubAgent
Ch9RAG 深度解析Chunk策略·Embedding选型·RRF·Cross-Encoder·生产模式
Ch10MCP 协议详解JSON-RPC、原语（Tools/Resources/Prompts）、能力协商
Ch11Tool Calling 底层OpenAI vs Anthropic、Streaming 组装、Strict 模式
Ch12Agent 生产基础设施OpenClaw 架构、Harness、MultiAgentEval、生产化 Checklist

第4层：工程化与前沿

章节内容关键技术
Ch13FastAPI 服务化REST API、SSE 流式、WebSocket、生产部署架构
Ch14SQLite 持久化5 表 Schema、WAL 模式、会话/任务/用户管理
Ch15Google A2A 协议AgentCard、Task、Artifact、Multi-Agent 协作
Ch16MemGPT/Letta 记忆Core Memory、Heartbeat、Sleep-Time、Filesystem Memory
Ch17Computer UseScreenshot-Action Loop、坐标计算、安全沙箱
Ch18Agent 安全与护栏Prompt Injection 攻防、权限分级、输入消毒、审计

第5层：高级架构与优化

章节内容关键技术
Ch19Agentic Workflow 设计模式Reflection / Routing / Orchestrator-Worker / Evaluator-Optimizer 等 7 种模式
Ch20Context EngineeringContext Rot 原理、预算管理、XML 结构化 Prompt、Skill.md
Ch21Streaming & 实时架构EventBus、动态中断、背压控制、StateManager Reducer
Ch22DSPy 自动优化Signature→Module→Optimizer、自动 few-shot、与 LangChain 互补
Ch23代码 Agent 架构横评CodeAct / ACI / Plan-Execute、SWE-bench、Agentless 发现
Ch24Agent 可观测性Tracing Span 树、Dashboard、LangSmith vs LangFuse、告警规则

第6层：基础能力补强

章节内容关键技术
Ch25向量数据库选型Chroma/Pinecone/Milvus/Qdrant 对比、Embedding 维度权衡
Ch26模型路由策略Threshold / Cascade / Semantic / Cost-Aware 四种路由
Ch27Agent Prompt 工程System Prompt 6 模块模板、工具描述评分卡
Ch28语义缓存与 Token 优化Exact→Semantic→LLM 三级缓存、Token 预算管理

第7层：专家级进阶

章节内容关键技术
Ch29Multi-Modal Agent视觉+文本联合推理、多模态 Tool Calling
Ch30Agent 可靠性工程熔断器、指数退避重试、幂等性、降级策略
Ch31Agent 评测体系深度GAIA / AgentBench / WebArena / ClawBench / tau-bench / SWE-bench 六大评测
Ch32Self-Improving AgentBad Case 收集→自动改 Prompt→评测验证
Ch33Prompt Caching & 推理优化Anthropic Cache、KV共享、推测解码
Ch34模型微调 for Function CallingLoRA、微调数据准备、成本收益对比
Ch35数据飞轮交互采集→Bad Case识别→自动触发改进
Ch36Agent 纵深安全Canary Token、分层隔离、行为沙箱

🚀 快速开始

1. 克隆仓库

git clone https://github.com/Callous-0923/agent-study.git
cd agent-study

2. 环境检查

python chapter_00_overview/00_course_overview.py

3. 安装依赖

打开 chapter_00_overview/00_course_overview.py，将 install = False 改为 install = True，然后运行：

python chapter_00_overview/00_course_overview.py

4. 配置 API Key（仅 Ch1-5 需要）

在项目根目录创建 .env 文件：

OPENAI_API_KEY=sk-your-api-key-here
OPENAI_BASE_URL=https://api.openai.com/v1
LLM_MODEL=gpt-5.6-terra

也可使用国产模型（DeepSeek / 通义千问），修改 OPENAI_BASE_URL 和 LLM_MODEL 即可。

5. 开始学习（大部分章节无需 API Key！）

# 无需 API Key，直接运行
python chapter_08_claude_code/08_claude_code_architecture.py
python chapter_10_mcp/10_mcp_deepdive.py
python chapter_14_sqlite/14_sqlite_agent_storage.py
python chapter_19_workflow_patterns/19_workflow_patterns.py
python chapter_21_streaming/21_streaming_architecture.py
python chapter_24_observability/24_observability.py
python chapter_26_model_routing/26_model_routing.py
python chapter_28_cache/28_cache.py

📦 依赖说明

依赖使用章节说明
openaiCh1-3OpenAI API 调用
langchain + langgraphCh4-5Agent 框架实战
fastapi + uvicornCh13Agent 服务化部署
pydanticCh13数据模型校验
python-dotenvCh0环境变量管理

可选安装 pip install -e ".[agents]"，用于继续学习 OpenAI Agents SDK；课程核心示例仍以 Responses API 和可离线运行的教学实现为主。

注：Ch8-12、Ch14-28 绝大部分章节仅依赖 Python 标准库（sqlite3、asyncio、hashlib 等），无需额外安装即可运行。

🎯 学习建议

路径 1：从零开始（推荐新手）

按 Ch0 → Ch36 顺序学习，每章 1-2 小时。

路径 2：面试突击（重点章节）

  • Ch7：20 道高频面试题 + 面试流程
  • Ch8：Claude Code 架构（工业级 Agent 设计）
  • Ch10 + Ch15：MCP & A2A 双协议
  • Ch11：Tool Calling 底层机制
  • Ch18：Agent 安全（区分 Demo vs 生产工程师）
  • Ch19：Workflow 设计模式（系统设计万能框架）
  • Ch26：模型路由（用私有评测集验证质量、延迟与成本）

路径 3：构建产品

  • Ch13：FastAPI 服务化
  • Ch14：SQLite 持久化
  • Ch11 + Ch21：Tool Search/PTC + 流式 UI、审批与 Realtime
  • Ch12 + Ch24：生产化 Checklist + 可观测性
  • Ch26 + Ch28：成本优化（路由 + 缓存）

🧠 核心技术覆盖

Tool Calling 底层     ★★★★★  OpenAI/Anthropic + Tool Search/PTC + Streaming 组装
MCP 协议              ★★★★★  2026-07-28 无状态核心 + 路由头/MRTR/缓存
A2A 协议              ★★★★★  v1.0 AgentCard/Task/Artifact + 标准流事件
Claude Code 架构      ★★★★★  nO/h2A/Compaction/SubAgent 逆向分析
RAG 全栈              ★★★★   Chunk策略/Embedding选型/RRF/Cross-Encoder/生产
模型路由              ★★★★   4 种策略 + 质量/延迟/成本联合评测
语义缓存              ★★★★   三级缓存 + Token 预算管理
Agent 安全            ★★★★   Prompt Injection + 权限分级 + 4 层防御
DSPy 自动优化         ★★★★   Signature/Module/Optimizer + LangChain 互补
Agentic Workflow      ★★★★   7 种设计模式 + 系统设计答题框架
Context Engineering   ★★★★   Context Rot 原理 + XML Prompt + 预算管理
Streaming 实时架构    ★★★★   EventBus + 可运行 Web UI + 断线恢复/审批/Realtime
可观测性              ★★★★   Tracing Span 树 + LangSmith vs LangFuse
MemGPT 记忆           ★★★★   Core Memory/Heartbeat/Sleep-Time/Filesystem
代码 Agent            ★★★    CodeAct/ACI/Plan-Execute + SWE-bench
向量数据库            ★★★    Chroma/Pinecone/Milvus/Qdrant + Embedding 策略
FastAPI 服务化        ★★★    REST/SSE/WebSocket + 生产部署架构
SQLite 持久化         ★★★    5 表 Schema + WAL + 审计查询
Computer Use          ★★★    Screenshot-Action Loop + 安全沙箱

📁 项目结构

agent-study/
├── README.md
├── .gitignore
├── chapter_00_overview/              🚀 课程概览 + 环境搭建
├── chapter_01_fundamentals/          📖 第一个 Agent（裸写 ReAct）
├── chapter_02_components/            🧩 规划器 + 记忆 + 工具设计
├── chapter_03_types/                 🎯 ReAct / Plan-Execute / Reflexion
├── chapter_04_frameworks/            🔧 LangChain + LangGraph
├── chapter_05_multi_agent/           🤝 多智能体协作
├── chapter_06_evaluation/            📊 评测 + 测试策略
├── chapter_07_interview/             🎓 20道面试题 + 求职指南
├── chapter_08_claude_code/           🏗️ Claude Code 架构逆向
├── chapter_09_rag_deepdive/          🔍 RAG 深度解析（Chunk·Embedding·生产）
├── chapter_10_mcp/                   🔌 MCP 协议完整实现
├── chapter_11_tool_calling/          ⚙️ Tool Calling 底层原理
├── chapter_12_infrastructure/        🏭 OpenClaw/Harness/生产基础设施
├── chapter_13_fastapi/               🌐 FastAPI Agent 服务化
├── chapter_14_sqlite/                💾 SQLite 持久化存储
├── chapter_15_a2a/                   🤖 Google A2A 协议
├── chapter_16_memgpt/                🧠 MemGPT/Letta 记忆架构
├── chapter_17_computer_use/          🖥️ Computer Use + GUI
├── chapter_18_security/              🛡️ Agent 安全与护栏
├── chapter_19_workflow_patterns/     🏷️ Agentic Workflow 设计模式
├── chapter_20_context_engineering/   📐 Context Engineering
├── chapter_21_streaming/             📡 EventBus 实时架构
├── chapter_22_dspy/                  🔬 DSPy 自动优化
├── chapter_23_code_agents/           📊 代码 Agent 架构横评
├── chapter_24_observability/         📈 可观测性（LangSmith/LangFuse）
├── chapter_25_vectordb/              🗄️ 向量数据库选型
├── chapter_26_model_routing/         🔀 模型路由与成本优化
├── chapter_27_prompt_eng/            ✍️ Agent Prompt 工程
├── chapter_28_cache/                 ⚡ 语义缓存与 Token 优化
├── chapter_29_multimodal/            👁️ Multi-Modal Agent
├── chapter_30_reliability/           🛡️ Agent 可靠性工程
├── chapter_31_benchmarks/            📊 Agent 评测体系深度
├── chapter_32_self_improving/        🔄 Self-Improving Agent
├── chapter_33_prompt_cache/          💾 Prompt Caching & 推理优化
├── chapter_34_finetune/              🎯 模型微调 for Function Calling
├── chapter_35_data_flywheel/         🔁 数据飞轮
└── chapter_36_defense/               🏰 Agent 纵深安全

✨ 特点

  • 📝 讲义即代码：每个 .py 文件既是完整讲义（模块级 docstring），又是可运行代码
  • 🤖 无需 API Key：Ch8-28 绝大部分章节仅依赖标准库，可直接运行
  • 🎤 面试导向：每章标注面试高频考点 + 回答框架 + 得分点
  • 🔗 前后关联：章节间通过引用形成完整知识网络
  • 📊 可运行演示：每个章节都包含完整的演示输出
  • 🇨🇳 中文优先：全中文讲义 + 代码注释

🌟 参考资料

📄 许可

MIT License — 自由使用、修改、分发。

如果这个项目对你有帮助，请给一个 ⭐ Star！
37 章 · 7 层递进 · 2026.08 已核对 · 欢迎提交 Issue 和 PR

Similar repos

songuu/agent

1

adongwanai/AgentGuide

https://adongwanai.github.io/AgentGuide | AI Agent开发指南 | LangGraph实战 | 高级RAG | 转行大模型 | 大模型面试 |…

10,004

datawhalechina/Agent-Learning-Hub

AI Agent 学习路线与资料库收集

8,161

skyming/awesome-ai-agent

AI Agent 资源汇总，不限于基础概念、Harness 实践、RAG、测评基准、感知记忆、开源项目推荐、核心论文、开源项目等

289

agenticloops-ai/agentic-ai-engineering

Hands-on tutorials for building AI agents from scratch. Learn LLM APIs, prompt engineering, tool…

349

WenyuChiou/awesome-agentic-ai-zh

A trilingual (繁中 / English / 简中) learning roadmap for agentic AI: from LLM basics to multi-agent…

7,156

bcefghj/ai-agent-interview-guide

AI Agent 面试全攻略：从零到Offer，包含200+面试题、企业级项目(Python/Java/Go)、简历模板、STAR面试稿、哆啦A梦漫画图解

2,729

mrsachindixit/agentixit

Notes on Agentic AI - a text-first teaching module for practising engineers, with runnable…

9

Contributors

Callous-0923

40 commits

reacher-z

1 commits

Languages

HTML

78.3%

Python

21.7%