从零开始
构建智能体
一个持续更新的 AI 智能体学习笔记：系统梳理 LangChain、LangGraph、AgentScope 三大框架，以及大模型基础、Prompt 工程、RAG、多智能体协作与工具调用等关键能力，帮你建立完整的智能体知识体系。
一条清晰的
进阶路线
从大模型基础到多智能体系统，按阶段循序渐进，每个阶段都有明确的学习目标与产出。
大模型基础
理解 LLM 原理、推理能力与局限，掌握 Token、上下文窗口、温度等核心概念。
Prompt 工程
掌握提示词设计方法论，学会系统提示、少样本示例与结构化输出。
RAG 检索增强
学习向量检索、知识库构建与混合检索，让模型"有据可查"。
工具调用
掌握 Function Calling 与工具编排，让模型能"动手做事"。
Agent 框架
深入 LangChain / LangGraph / AgentScope，理解 ReAct 与状态图编排。
多智能体协作
设计多 Agent 系统，掌握协作模式、通信机制与任务编排。
三大框架
深入拆解
围绕最主流的三大智能体框架，梳理各自的定位、核心概念与适用场景。
LangChain
最流行的 LLM 应用开发框架，提供模型、提示词、检索、工具、记忆等模块化抽象，适合快速搭建 RAG 与对话应用。
- 链式编排（Chain / LCEL）
- 检索增强（Retriever）
- 工具与记忆（Tools & Memory）
LangGraph
基于有向图的状态机编排框架，用节点与边显式定义 Agent 流程，天然支持循环、条件分支与多智能体协作。
- State Graph 状态图
- 循环与条件分支
- Checkpoint 持久化
大模型基础
Transformer 架构、预训练与微调、推理优化，理解模型的能与不能。
Prompt 工程
提示词设计、上下文工程、结构化输出与评估方法。
RAG 检索增强
向量数据库、Embedding、检索排序与知识库落地。
工具调用
Function Calling、工具注册与执行器、Agent 与环境交互。
多智能体协作
Supervisor 模式、角色分工、通信协议与冲突消解。
评估与可观测
Agent 评测、轨迹追踪、成本控制与生产化治理。
深入每一个
关键概念
围绕智能体开发中的高频难点，拆解原理、给出示例代码与最佳实践。
ReAct：推理与行动
Thought → Action → Observation 循环，Agent 如何在思考与执行之间迭代。
LangChain状态图编排
用 LangGraph 的 State 与 Edge 显式建模复杂工作流与循环。
LangGraph多智能体通信
AgentScope 中的消息传递与角色协作，如何设计高效的多 Agent 系统。
AgentScope向量检索与 Embedding
语义检索原理、向量数据库选型与检索质量的调优。
RAG工具定义与调用
Function Calling 的 JSON Schema 设计、工具执行器与错误处理。
工具调用Agent 评估与可观测
如何评估 Agent 质量，追踪每一步执行轨迹与成本。
生产化高质量
学习资源
精选的官方文档、论文与课程，帮你少走弯路、直达核心。
持续积累
不断精进
记录我在 AI 智能体学习过程中的笔记、踩坑与心得，欢迎一起交流。
LangGraph 状态图初探
从 Chain 到 Graph，理解节点、边与状态的本质区别。
RAG 检索质量调优
混合检索 + 重排序，让召回结果真正贴合问题。
多智能体协作模式
Supervisor、Solo、Swarm：不同协作模式的取舍。
一起构建
更聪明的智能体
这是一个持续更新的个人学习站，记录我在 AI 智能体领域的探索与实践。