2026，7月，Agent开发学习路线

正文

如果你正打算系统攻克 AI Agent，不妨看看我的新仓库 Agent Learning Hub。它不是零散的资料堆砌，而是一张清晰的"闯关路线图"——从手写最小 Agent 循环、接入工具与 RAG、管理记忆，到上手 Claude Code / OpenClaw / Hermes 这类工业级 Harness，再到 Skills、MCP、A2A、可观测性与安全，每一步都有明确的实践任务。仓库还整理了多个值得深读源码的标杆项目（如 learn-claude-code、claw0、OpenClaw、DeerFlow、smolagents 等），帮你从"看懂"过渡到"能造"。适合所有想踏实学、大胆做的 Agent 开发者。
#agent #大模型 #程序员 #AI大模型 #ai大模型 #后端开发 #大模型学习 #深度学习 #人工智能就业 #计算机

#agent #大模型 #程序员 #AI大模型 #ai大模型 #后端开发 #大模型学习 #深度学习 #人工智能就业 #计算机 #作者

长图内容（视觉重读）

1. Python 后端（基础）

• 1.1 Python 并发编程：【2021 最新版】Python 并发编程实战（多线程/多进程/多协程），B站 BV1bK411A7tV
• 1.2 FastAPI：没找到特别合适的资料，必学，看官网教程 https://fastapi.tiangolo.com/tutorial/

2. Agent 开发（核心）

• 2.1 LangChain：视频 B站 BV1cCd6YwE4n（博主基本看完，新手友好）；文档 LangChain 官网，常看常新
• 2.2 LangGraph：视频 B站 BV1nPMbzQELz；文档 LangGraph 官网。掌握这两个框架就基本可以动手做大模型应用了；很多岗位要求都在此基础上衍生，时间紧可以学完就找项目做，把项目吃透再补面经
• 2.3 RAG
  • 2.3.1 All-in-RAG：开源学习材料 https://github.com/datawhalechina/all-in-rag
  • 2.3.2 LlamaIndex：视频 B站 BV1p4GVzxEpz；文档 https://www.llamaindex.ai/
  • 2.3.3 RAG 检索优化：LangChain 官方视频 RAG From Scratch（YouTube playlist）+ 代码仓 https://github.com/langchain-ai/rag-from-scratch
  • 2.3.4 高级 RAG 及开源框架（了解原理、应对面试、可基于其中一两个做项目）：RAGFlow（字节开源企业级 RAG 平台，文档解析到问答全流程可视化）、LightRAG（轻量级，极简部署低资源）、DeepResearch（学术/专业领域深度检索）、Agentic RAG（融合 Agent 能力，自主规划、工具调用、多轮推理）、Graph RAG（引入知识图谱，多跳推理，适合医疗/法律）
  • 2.3.5 核心技术：切块、检索优化（RAG From Scratch）、评估（RAGAS 框架）
• 2.4 Agent
  • 2.4.1 Hello-Agents：零基础搭 agent 框架 https://datawhalechina.github.io/hello-agents/
  • 2.4.2 低代码平台：Dify、Coze，B站随便找视频搭几个工作流了解即可
  • 2.4.3 框架：重中之重掌握 LangGraph；最通用新手友好 LangChain；多 Agent 协作首选 AutoGen；复杂流程编排 LangGraph
  • 2.4.4 核心技术：多 Agent 协同（supervisor、workflow）、上下文工程、记忆（熟记两个框架长短期记忆实现方式，框架补充 mem0、zep）、评估
• 2.5 其他（边做边学，不会就查）：结构化数据库 MySQL、Redis；向量数据库 Milvus、Faiss；RAG 数据处理 MinerU 等

3. 微调（加分）

• 3.1 LlamaFactory：B站 BV1R6P7eVEtd 浅浅了解，后续自行补足
• 3.2 LoRA：了解原理、初始化分支、做一个微调实践；视频 B站 BV13w411y7fq（Transformers 和 NLP 入门，质量较高）

4. 推理加速（加分）

vllm、KV cache、Sglang——没有推荐材料，基本是项目中学完再补充。

5. 面向面试知识点整理

• 5.1 后端：并发编程（同步/异步、线程/进程/协程、线程池）；高并发、消息队列；网络通信与 API 框架（HTTP、FastAPI、SSE、STDIO、WebSocket）
• 5.2 大模型应用：核心框架 LangChain/LangGraph；协议 MCP、A2A；应用开发 RAG、Multi-Agent；常问的：rag 切块、检索优化、记忆机制、上下文工程、多智能体协作、评估
• 5.3 扩展：常用模型、模型原理；微调、SFT、RL；预训练、后训练
• 5.4 面经：全网多搜多看总结常见问题（博主总结待更新）

6. LeetCode

• 6.1 灵山茶艾府：刷 hot100 必备，5 分钟想不出就看视频解析
• 6.2 代码随想录：不会的做基础补充，按章节排的学起来容易

7. 其他

• 7.1 效率工具：读开源项目 https://zread.ai/；读论文 豆包、元宝；AI 辅助研发 Cursor、Trae、vibe coding
• 7.2 博主推荐：附 B 站关注列表截图（荒野Agent开发、慢学AI、楼兰说技术、AI异教徒、文言AI、RethinkFun、EZ-Encoder、chaofa用代码打点酱油、月球大叔、严师兄聊AI、楼兰架构师、唐国梁Tommy 等）；红薯博主：阿东玩 AI - 趋势跟踪

图片

评论摘录

• 小白要进步（作者）：做AI大模型这些年，从新人熬到能独当一面，其实没那么玄乎。大模型八股文、场景设计题、大厂面试复盘、简历优化模板，全是PDF硬货。没人比我更懂 AI大模型求职 要啥，有人要咩，不收米米，你说"已关"就拿走

我的批注

• 是否对标上海实习主线（Agent 应用/全栈）
• 可迁移到简历/项目的点：
• 待补学：