Agent 开发学习路线全览：五层能力模型与 14 篇技术博客索引

发表于 分类于 阅读次数：

从「能调一次 API」到「能上线、能评估、能运维」，Agent 开发需要跨越语言栈、模型能力、编排框架、工具集成与工程化五条战线。本页是 Agent 开发学习路线 系列的 master index：将能力拆成 五层模型、14 篇独立博文，每篇约 1500–2500 字、含可运行示例与系列内上下篇链接，可单独阅读，也可按下文推荐顺序串成 2–4 周自学计划。

适用读者：有基础编程经验、希望系统补齐 LLM Agent 全栈能力的后端、全栈与 ML 工程师；不要求先通读 LangChain 文档，但建议具备 HTTP/JSON 与命令行使用经验。

五层能力模型

层级 聚焦 系列篇目
第一层：编程基础 类型安全、异步 I/O、结构化输出 Python、TypeScript/Node.js
第二层：大模型基础 提示词、API、记忆与 RAG 数据面 Prompt、API、Embedding
第三层：Agent 框架 编排、多 Agent、状态与 Handoff LangChain/LangGraph、OpenAI SDK、CrewAI/AutoGen
第四层：工具集成 标准化工具协议与企业系统对接 MCP、Function Calling、REST/OAuth/Webhook
第五层：工程化 部署、异步基础设施、质量闭环 Docker/DevOps、Redis/队列、评估与测试

第一层解决「运行时与数据契约」：Agent 代码大量依赖 async/await、流式响应与 Pydantic/Zod 校验，语言基本功不到位会在工具调用与状态持久化处反复踩坑。第二层解决「模型行为与知识注入」：同一套业务逻辑，Prompt 与 RAG 设计差一个档次，幻觉与成本会差一个数量级。第三层是多数团队的选型焦点：用图（LangGraph）还是 Handoff（OpenAI SDK）还是角色剧组（CrewAI），取决于任务是否需要确定性分支与人机协同。第四层把 Agent 从聊天玩具接到 CRM、工单与内部 API；MCP 与 Function Calling 分工在于「能力发现/隔离」与「单次工具契约」。第五层则回答上线后的问题：镜像与密钥、队列削峰、评测集防回归——没有这一层，Demo 很难变成可 SLO 的服务。

14 篇系列目录

第一层：编程基础

  1. Agent 开发基础：Python 3.10+ 必备技能（类型注解 / 异步 / Pydantic）
    异步 I/O、Pydantic 与类型注解，把 Python 用到主流 Agent 框架的预期水平。

  2. Agent 全栈开发：TypeScript 与 Node.js 实战指南
    对话 UI、SSE 流式与 B 端控制台场景下的 TS 全栈 Agent 实践。

第二层：大模型基础

  1. Agent 开发必修课：Prompt Engineering 系统性设计
    角色、约束、Few-shot 与工具边界写法，是 Agent 可靠性的底座。

  2. 主流大模型 API 调用实战：OpenAI / Claude / DeepSeek / 通义千问
    多厂商 SDK、流式、重试与用量控制，统一「你请求模型」这一侧。

  3. Agent 记忆系统：Embedding 与向量检索实战（Chroma / Milvus / Qdrant）
    向量库选型与 RAG 流水线，解决上下文有限而业务记忆无限的问题。

第三层：Agent 框架

  1. Agent 框架核心：LangChain 与 LangGraph 面试必考知识点
    LCEL、Tool 绑定、ReAct 与图 State/Checkpoint，生态内最通用的编排基座。

  2. OpenAI Agents SDK 实战：Agent 定义、Handoff 与 Guardrails
    官方轻量多 Agent 运行时，与 Responses API、Tracing 深度集成。

  3. 多 Agent 协作框架：CrewAI 角色扮演 vs AutoGen 对话驱动
    角色化「剧组」与对话式群聊两种多 Agent 心智模型对比选型。

第四层：工具集成

  1. MCP 协议实战：让 Agent 连接一切外部工具（Model Context Protocol）
    标准化工具发现与进程隔离，把能力从 Host 应用中抽离。

  2. Function Calling 深度解析：Tool Use 参数设计、并行调用与错误处理
    Schema、并行 Tool 与失败语义，让模型「知道该调什么、怎么调」。

  3. Agent 外部世界集成：RESTful API、OAuth 认证与 Webhook 处理
    把 Agent 接到企业 REST、OAuth 与异步 Webhook 业务系统。

第五层：工程化

  1. Agent 应用部署：Docker 容器化与基础 DevOps 实践
    可复现镜像、密钥注入、CI 与可观测性，从笔记本 Demo 到可运维服务。

  2. Agent 异步基础设施：Redis 缓存与消息队列实战
    会话状态、限流、任务队列与多 Worker，支撑高并发 Agent 服务。

  3. Agent 质量闭环：LLM 评估、回归测试与线上监控
    评测集、自动化回归与指标看板，让迭代可度量、可回滚。

推荐学习顺序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
                  ┌─────────────────────────────────────┐
                  │  可选先读：架构全景 / LangGraph 生产  │
                  └─────────────────┬───────────────────┘
                                    ▼
[01 Python] ──► [02 TS/Node] ──► [03 Prompt] ──► [04 API] ──► [05 Embedding]
                                    │
                                    ▼
            [06 LangChain/LangGraph] ──► [07 OpenAI SDK] ──► [08 CrewAI/AutoGen]
                                    │
                                    ▼
       [09 MCP] ──► [10 Function Calling] ──► [11 API 集成]
                                    │
                                    ▼
            [12 Docker] ──► [13 Redis/队列] ──► [14 评估与测试]
  • 纵向主线：01→05 打基础，06→08 选 1–2 个框架深入，09→11 接工具与业务，12→14 上线与质量。
  • 横向选修：只做 Python 后端可跳过 02；已有前端栈可 02 与 01 对调阅读顺序。
  • 框架层不必三篇全读：06 为通用基线；若团队已标准化 OpenAI 栈，07 优先；若业务是「多角色分工报告」，08 优先。
  • 工具层建议 09→10→11 顺序：先理解 MCP 传输与发现，再深化 Function Calling 参数设计，最后落到企业 API 的 OAuth 与 Webhook。

按角色快速选课

角色 建议路径 可精简
后端 / 数据工程师 01 → 03 → 04 → 05 → 06 → 09 → 10 → 11 → 12 → 13 → 14 02（无前端需求时）
全栈 / 产品工程师 02 → 03 → 04 → 07 → 10 → 11 → 12 08（无多 Agent 需求时）；05 按需补 RAG
ML / 算法工程师 03 → 04 → 05 → 06 → 14 → 08 01/02 若已熟练；工程篇 12–13 按团队分工

后端应保证 05（RAG/记忆）与 11（业务 API）不跳：生产 Agent 几乎都需要检索与写操作幂等。全栈可把 02 作入口，用 07 快速出可演示的多 Agent 原型，再在 12 补部署。ML 可把 14 提前：评测与回归是模型迭代的安全网；08 用于探索多 Agent 论文式工作流，与 06 的图编排形成对照。

每篇文末均有「上一篇 / 下一篇」链接；若从本索引跳入中间某篇，建议至少回读该层前置一篇（例如读 10 前先扫 09 的 MCP 与 04 的 tools 字段）。

延伸阅读（系列外深度文）

若希望先建立全局图景再逐篇精读，建议配合以下两篇（与系列 06 互补，不重复展开 LCEL 细节）：

学习节奏建议

阶段 篇目 目标产出
第 1 周 01–05 能独立调用多模型 API，完成最小 RAG Demo
第 2 周 06–08 + 架构全景 选定主框架，画出一张 Agent 状态或 Handoff 图
第 3 周 09–11 至少 1 个 Tool + 1 个业务 API 或 MCP Server 联调通过
第 4 周 12–14 Docker 部署 + 基础评测集，具备可演示的端到端链路

按上表从第一层起步，或先读架构全景再按 slug 跳转对应博文，即可系统补齐 Agent 全栈能力。系列持续更新，欢迎从任意一篇收藏本索引以便回溯。祝学习顺利。