从零到一，系统掌握 AI Agent 核心理论与工程实践
36 章节 · 22000+ 行代码 · 60+ 可运行示例 · 面试全覆盖
🌐 无需安装，浏览器直接看：agent-study-ruddy.vercel.app · 36 章完整内容 · 深色蓝图风格 · 手机/电脑自适应
这是一套面向求职的 AI Agent 全栈学习课程，从 Agent 基础理论到 Claude Code 逆向工程、从 RAG 到 MCP/A2A 协议、从 DSPy 到生产可观测性，覆盖 28 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。
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
| 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 |
| Ch2 | Agent 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 |
| Ch3 | Agent 类型分类 | ReAct / Plan-Execute / Reflexion 对比 |
| 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 |
| 章节 | 内容 | 关键技术 |
|---|---|---|
| Ch8 | Claude Code 架构 | nO 主循环、h2A Steering、上下文压缩、SubAgent |
| Ch9 | RAG 深度解析 | Chunk策略·Embedding选型·RRF·Cross-Encoder·生产模式 |
| Ch10 | MCP 协议详解 | JSON-RPC、原语（Tools/Resources/Prompts）、能力协商 |
| Ch11 | Tool Calling 底层 | OpenAI vs Anthropic、Streaming 组装、Strict 模式 |
| Ch12 | Agent 生产基础设施 | OpenClaw 架构、Harness、MultiAgentEval、生产化 Checklist |
| 章节 | 内容 | 关键技术 |
|---|---|---|
| Ch13 | FastAPI 服务化 | REST API、SSE 流式、WebSocket、生产部署架构 |
| Ch14 | SQLite 持久化 | 5 表 Schema、WAL 模式、会话/任务/用户管理 |
| Ch15 | Google A2A 协议 | AgentCard、Task、Artifact、Multi-Agent 协作 |
| Ch16 | MemGPT/Letta 记忆 | Core Memory、Heartbeat、Sleep-Time、Filesystem Memory |
| Ch17 | Computer Use | Screenshot-Action Loop、坐标计算、安全沙箱 |
| Ch18 | Agent 安全与护栏 | Prompt Injection 攻防、权限分级、输入消毒、审计 |
| 章节 | 内容 | 关键技术 |
|---|---|---|
| Ch19 | Agentic Workflow 设计模式 | Reflection / Routing / Orchestrator-Worker / Evaluator-Optimizer 等 7 种模式 |
| Ch20 | Context Engineering | Context Rot 原理、预算管理、XML 结构化 Prompt、Skill.md |
| Ch21 | Streaming & 实时架构 | EventBus、动态中断、背压控制、StateManager Reducer |
| Ch22 | DSPy 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 |
| Ch24 | Agent 可观测性 | Tracing Span 树、Dashboard、LangSmith vs LangFuse、告警规则 |
| 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 |
| Ch27 | Agent 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 |
| 章节 | 内容 | 关键技术 |
|---|---|---|
| Ch29 | Multi-Modal Agent | 视觉+文本联合推理、多模态 Tool Calling |
| Ch30 | Agent 可靠性工程 | 熔断器、指数退避重试、幂等性、降级策略 |
| Ch31 | Agent 评测体系深度 | GAIA / AgentBench / WebArena / tau-bench 五大评测 |
| Ch32 | Self-Improving Agent | Bad Case 收集→自动改 Prompt→评测验证 |
| Ch33 | Prompt Caching & 推理优化 | Anthropic Cache、KV共享、推测解码 |
| Ch34 | 模型微调 for Function Calling | LoRA、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 |
| Ch36 | Agent 纵深安全 | Canary Token、分层隔离、行为沙箱 |
git clone https://github.com/Callous-0923/agent-study.git
cd agent-studypython chapter_00_overview/00_course_overview.py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-4o-mini也可使用国产模型（DeepSeek / 通义千问），修改
OPENAI_BASE_URL和LLM_MODEL即可。
# 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 | 使用章节 | 说明 |
|---|---|---|
openai |
Ch1-3 | OpenAI API 调用 |
langchain + langgraph |
Ch4-5 | Agent 框架实战 |
fastapi + uvicorn |
Ch13 | Agent 服务化部署 |
pydantic |
Ch13 | 数据模型校验 |
python-dotenv |
Ch0 | 环境变量管理 |
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。
按 Ch1 → Ch28 顺序学习，每章 1-2 小时。
- 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（降本 50-80%）
- Ch13：FastAPI 服务化
- Ch14：SQLite 持久化
- Ch12 + Ch24：生产化 Checklist + 可观测性
- Ch26 + Ch28：成本优化（路由 + 缓存）
Tool Calling 底层 ★★★★★ OpenAI/Anthropic 两套实现完整对比 + Streaming 组装
MCP 协议 ★★★★★ 完整生命周期模拟（Initialize→tools/call）
A2A 协议 ★★★★★ AgentCard/Task/Artifact + Multi-Agent 协作
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 + 成本对比实验（节省 94%）
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 + 动态中断 + 背压控制
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
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
- 📝 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
- ReAct: Synergizing Reasoning and Acting in Language Models (Yao et al., ICLR 2023)
- MemGPT: Towards LLMs as Operating Systems (Packer et al., 2023)
- Reflexion: Language Agents with Verbal Reinforcement Learning (Shinn et al., 2023)
- DSPy: Compiling Declarative LM Calls into Self-Improving Pipelines (Khattab et al., 2023)
- SWE-bench: Can Language Models Resolve Real-World GitHub Issues? (Jimenez et al., 2024)
- Agentless: Demystifying LLM-Based Software Engineering Agents (Xia et al., 2024)
- MCP 官方规范 (Anthropic, 2024-2025)
- A2A 协议规范 (Google, 2025)
- Building effective agents (Anthropic, 2024)
- Effective context engineering for AI agents (Anthropic, 2025)
- Claude Code 逆向分析 (Community, 2025)
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！
36 章 · 7 层递进 · 持续更新中 · 欢迎提交 Issue 和 PR