学习路径

这不是课程推荐清单，是我给自己画的地图：目标、路线、以及走过的每一步。随进度持续更新——学到哪，画到哪，写到哪。

graph LR A["🧱 后端工程
（已积累）"] --> B["🤖 AI 基础"] B --> C["🛠️ Agent 开发
（当前主线）"] C --> D["🚀 独立产品与创业"] A -. 支线 .-> E["🎬 AI 短视频"] A -. 支线 .-> G["📜 计算机教师资格证"] D -. 观察 .-> F["💰 投资"] style C fill:#fff3cd,stroke:#b8860b style A fill:#d1e7dd,stroke:#198754

当前位置：C 阶段（Agent 开发），后端功底是垫脚石不是包袱；短视频作为支线并行推进；投资保持观察与记录。

怎么用这份地图

  1. 图是骨架，下面的小节才是肉——每到一个阶段，我会把学法、资料、踩的坑写进对应小节，写成文章就挂链接
  2. 每条路径只代表我亲测的感受，不构成推荐；你如果是来参考的，先看关于我判断我们是否同路
  3. 最底部的「进步时间线」是流水账，只记事实；沉淀下来的思考进正文小节或单独成文

🤖 AI 基础（B 阶段）

目标：补齐大模型应用的底层认知，够用即可，不追求科班深度。

我的路径：

  • 先把 token、上下文、温度这些「每天都在遇到却说不清」的概念用大白话写清楚 → 待成文
  • 实践优先：从调 API 和读官方文档开始，反过来推原理

笔记：（学到哪记到哪）

🛠️ Agent 开发（当前主线）

目标：能独立设计并实现生产级 agent——稳定、可观测、可回滚，这是我后端背景最值钱的地方。

主线教材：《深入理解 AI Agent：设计原理与工程实践》（李博杰著，开源全书）。核心公式 Agent = LLM + 上下文 + 工具，十章从构建到提升层层递进，每章带可运行的配套实验。精读笔记见专题页 → 《深入理解 AI Agent》精读

我的路径：

  1. 提示工程与 Function Calling：从「能用」到「可靠」
  2. 精读上面这本开源书：按官方难度分级推进（🟢 1–2 章 → 🔵 3–4 章 → 🟣 5–6 章 → 🟡 7 章 → 🔴 8 章 → 🟠 9–10 章），每章输出自己的理解
  3. 自己造：用 agent 重构自己的工作流，把过程写成文章

笔记：（精读专题已开 → /agent-book/）

🎬 AI 短视频（支线）

目标：跑通内容生产流水线，形成对赛道的独立判断，不追热点，追复利。

笔记：（工具盘点与最小闭环尝试中）

📜 计算机教师资格证（支线）

目标：考取计算机学科教师资格证。

笔记：（备考进度与资料，学到哪记到哪）

💰 投资（观察线）

目标：建立认知框架，用文字倒逼思考。只记录，不建议。

笔记：（原则清单整理中）

🧱 后端工程（已积累）

Hive 引擎与大数据链路 → 大厂后端的高并发与稳定性。这一段的老底子会持续反哺 Agent 开发的工程化视角，新的交叉话题（比如 agent 应用的后端架构）会写在关于我和文章里。

进步时间线

每一步都算数。倒序记录，最新在上。