四套成体系的 Agent / RAG 知识资料
学习手册和可交互思维导图都能直接在网页里读，不用下载；需要 PDF / 源文件时再走百度网盘。
AI-Agent 知识体系
从原理到工程落地的完整 Agent 知识图谱
一份系统梳理 AI Agent 的学习手册：从 LLM 基础、Prompt 工程、工具调用与 Function Calling，到记忆机制、多 Agent 协作、RAG 与工程化落地，并配套一张可交互的思维导图，帮你把零散知识点串成体系。
Agent 面试知识全景
面向面试的 Agent 考点清单与答题思路
围绕 Agent 方向面试高频考点整理的全景资料：一份完整的 Markdown 学习手册 + 同内容排版好的网页版手册，覆盖基础概念、协议体系、记忆与状态、可靠性、工程体系与开放性问题，适合面试前快速过一遍、查漏补缺。
RAG 知识
检索增强生成的完整链路梳理
一份聚焦 RAG（检索增强生成）的系统资料：从 Embedding、向量库与索引构建，到召回、重排序、生成与效果评估的完整链路，配套一张可交互思维导图和一份文档 PDF，帮你把 RAG 的关键环节一次性理顺。
RAG 面试知识
面向面试的 RAG 考点清单与答题思路
围绕 RAG 方向面试高频考点整理的资料：一份按章节组织的学习手册 + 同内容的可交互思维导图，覆盖索引构建、召回与排序、效果评估、工程优化与常见追问，适合面试前快速过一遍、查漏补缺。
本站不提供文件下载，PDF / HTML 源文件请通过百度网盘链接获取（复制链接后在浏览器打开，输入提取码即可保存）。
学习路线预览
10 个阶段循序渐进，从 Python Web 开发到企业级 AI 应用实战
Python 编程基础
掌握 AI 开发必备的 Python 编程能力。涵盖 Python 语法、数据结构、函数式编程、面向对象编程及常用标准库，为后续 AI 开发打下坚实基础。
开发环境与Python Web基础
第一天具备开发环境，快速具备 AI 后端服务开发能力。从 Python 环境搭建到 FastAPI 开发，掌握 AI 开发必备的基础设施。
大模型应用基础
知道大模型是什么、如何使用。大幅压缩理论内容，聚焦应用开发者所需的核心概念：LLM、Token、Embedding，为后续开发打好基础。
LLM 应用开发
成为真正的 AI 应用开发者。掌握各大模型 API 调用、对话系统构建、Function Calling 工具调用和 Structured Output 结构化输出。
大模型应用开发实战
将大模型能力落地为实际应用。涵盖 API 调用优化、流式输出、上下文管理、多模态应用、模型部署与监控等工程实践。
Prompt Engineering
系统提升 AI 应用的输出效果。掌握 Prompt 基础四要素和 Few Shot、Chain of Thought、ReAct 等高级技巧，完成 AI 代码助手项目。
最新文章
探索 AI 应用开发的最新技术与实践
企业级 Agent 安全防御：从「单层 Prompt」到「四层防守漏斗」的架构演进
当大模型从「聊天机器人」走向「企业级 Agent」，安全不再是「写一个好的 System Prompt」就能解决的事情。本文结合企业级实践，拆解 Agent 多级防御架构的设计思路与落地方法——从静态规则、LLM 语义审核、工具权限管控到输出审核的四层防守漏斗。
Agent 的 Token 成本怎么控制：从计价模型到每请求成本管理的实战指南
Agent 单次请求动辄消耗数万 token，成本是普通 API 的数十倍。本文从 token 计价模型出发，拆解输入/输出/调用次数的成本构成，给出上下文瘦身、缓存复用、模型分层、批量与缓存折扣等可落地的成本控制手段与成本可观测体系。
模型输出不稳定怎么兜底：从容错解析到降级链路的系统工程
LLM 输出的不确定性是 Agent 工程的常态：格式漂移、字段丢失、工具参数错误随时可能发生。本文给出完整的兜底架构——结构化输出、容错解析、校验重试、降级链路与版本回滚，让系统在模型「任性」时依然稳定交付。