AI Agent In Practice

AI Agent In Practice

🚀 **从入门到精通的 AI Agent 实战指南**

一本面向工程师的 AI Agent 实战手册，通过理论精讲 + 动手实验 + 面试真题的三位一体模式，带你从零构建可上线的 AI 产品。

---

🎯 这本书是什么？

**一句话概括**：通过 6–12 周系统学习，掌握从 LLM API 调用到生产级 Agent 部署的完整技能链。

**核心特点**：

• ✅ 双轨学习路径：工程实战通道（6–8周）/ 求职面试通道（10–12周）
• ✅ 15+ 动手实验：每个核心知识点配套可运行代码
• ✅ 4 个完整项目：AI 选股分析师、企业知识库问答、Text-to-SQL、自动化工作流
• ✅ 生产级经验：监控、成本控制、安全、云端部署全流程
• ✅ 面试题集：200+ 道真实面试题，覆盖原理/工程/设计/视野

**适合人群**：

• 有 Python 基础，想快速做出 AI 产品的开发者
• 在职工程师，想转型 AI 应用方向
• 准备 AI Agent 相关岗位面试的求职者
• 参加黑客松或快速验证 MVP 的创业者

---

🗺️ 学习路线图

通道一：工程实战快速通道（6–8 周）

优先动手实验，快速产出可运行项目

• Week 1：LLM API 调用 → Prompt 工程 → 统一调用层封装
• Week 2：RAG 基础 → 从零搭建本地知识库问答系统
• Week 3：Advanced RAG → 工具调用接入
• Week 4：ReAct 范式 → LangGraph 有状态 Agent
• Week 5：Multi-Agent → 代码生成+审查双 Agent 系统
• Week 6：生产级监控 → 垂直项目实战
• Week 7–8：Docker + 云端部署全流程

通道二：求职面试深度通道（10–12 周）

理论精读 + 动手实验 + 面试题集三线并进

• Week 1–2：LLM 核心概念 + LoRA 原理 + Prompt/LLM 面试题
• Week 3–4：RAG 全流程 + RAGAS 评估 + RAG 面试题
• Week 5：Function Calling/MCP + 工具调用面试题
• Week 6–7：Agent 架构 + Multi-Agent + Agent 设计面试题
• Week 8：生产级落地 + 工程面试题
• Week 9：4 个垂直项目实战
• Week 10：技术演进史 + 视野类面试题
• Week 11–12：模拟面试 + 系统设计题

---

📚 核心内容

模块	主题	核心知识点
00	写给读者	学习路线图、环境搭建、资料使用指南
01	大模型基础	Token、采样策略、微调（LoRA/QLoRA）、Prompt Engineering
02	RAG	向量数据库、检索策略、Advanced RAG、RAGAS 评估
03	工具使用	Function Calling、MCP 协议、搜索/计算器/数据库工具
04	Agent 核心	ReAct、Planning（ToT/GoT）、记忆系统、LangGraph
05	Multi-Agent	协作模式、AutoGen、CrewAI、代码审查双 Agent
06	生产级落地	流式输出、成本控制、缓存、安全、可观测性
07	实战项目	AI 选股分析师、知识库问答、Text-to-SQL、工作流 Agent、云端部署
08	技术演进	大模型发展史、Agent 演进路线、关键技术专题
09	面试真题	原理题、工程题、设计题、视野题、开放题
10	附录	框架对比、学习资源、术语表

---

🚀 快速开始

# 克隆项目
git clone https://github.com/swf2020/AI-Agent-in-Practice.git
cd AI-Agent-in-Practice

# 本地预览文档（推荐）
pip install mkdocs mkdocs-material
mkdocs s