【系统学AI】0 一文搞定AI Agent与RAG：从入门到工程实战的完整学习路线

qcx23

707人浏览 · 2026-05-23 23:40:59

qcx23 · 2026-05-23 23:40:59 发布

在这里插入图片描述

🔥 8大模块 · 37篇论文/资源 · 3阶段递进 —— 一份写给工程师的AI Agent & RAG系统化学习指南

前言

AI Agent 和 RAG（检索增强生成）是2025-2026年最热门的AI工程方向。但网上的资料要么太学术，要么太浅尝辄止。我花了一周时间，从DeepSeek的深度对话中梳理出一条可执行的12周学习路线，覆盖从LLM基础到Agent架构、RAG工程、AI产品思维和商业化的全链路。

这篇文章不只是书单——每个模块都有明确的产出目标和优先级标注，让你学完就能用。

📋 全局地图

AI Agent & RAG 学习计划
│
├── 🟢 第一阶段：基础夯实（W1-W4）
│   ├── 03-LLM基础：Transformer / Token / RLHF / DPO
│   └── 01-Agent架构：ReAct / Plan-then-Execute / Multi-Agent
│
├── 🟡 第二阶段：工程实战（W5-W8）
│   ├── 02-RAG：GraphRAG / HiRAG / 工程实践
│   └── 01-Agent：框架实操 / 评测体系
│
└── 🔴 第三阶段：产品与商业（W9-W12）
    ├── 04-AI Native：产品思维 / 推荐书籍
    ├── 05-商业化：定价策略 / 产品定位
    ├── 06-行业：ITSM / 迁移工具 / Agent平台
    └── 08-资源：信息源 / 知识图谱

🟢 第一阶段：基础夯实（第1-4周）

目标：建立LLM和Agent的核心认知，能看懂主流论文

W1-W2：LLM基础

周	学习内容	产出
W1	Transformer原理、Token机制、RLHF/DPO	笔记：LLM核心概念速查
W2	幻觉问题、模型评测	完成Andrew Ng课程

核心资源：

资源	说明
Attention Is All You Need (Vaswani et al., 2017)	Transformer开山之作，必读
Illustrated Transformer (Jay Alammar)	可视化讲解，入门首选
RLHF / DPO 对齐 (Hugging Face Blog)	RLHF vs DPO原理对比
Stanford CS224n: NLP with Deep Learning	B站有全集，NLP入门必看
DeepLearning.AI - LangChain for LLM Application Development	Andrew Ng出品

幻觉专题（面试高频）：

论文	核心观点
A Comprehensive Survey of Hallucination in LLMs (2025)	幻觉问题全景综述
Survey and Analysis of Hallucinations in LLMs (Frontiers, 2025)	Prompt层面缓解策略

模型评测：

平台	用途
LMSYS Chatbot Arena	众包盲评排行
Artificial Analysis	API性能/价格/延迟对比

当前Top模型：GPT-4o / Claude 3.5 Sonnet / Gemini 2.0 / DeepSeek-V3 / Qwen

W3-W4：Agent架构与范式

周	学习内容	产出
W3	ReAct / Plan-then-Execute范式	笔记：Agent推理范式对比
W4	Multi-Agent架构 + Anthropic Agent设计	笔记：Agent架构选型指南

单Agent推理范式

#	论文	年份	核心观点	优先级
1	ReAct: Synergizing Reasoning and Acting (Yao et al.)	2022	Thought-Action-Observation循环	⭐⭐⭐ 必读
2	Plan-then-Execute (Del Rosario et al.)	2025	Planner/Executor分离，先规划后执行	⭐⭐⭐ 必读
3	Web Agents Should Adopt Plan-Then-Execute	2026	Web Agent场景P-t-E优于ReAct 80%	⭐⭐ 推荐
4	Reason-Plan-ReAct (RP-ReAct)	2025	融合推理+规划	⭐⭐ 推荐

💡 费曼检验：能否用一句话讲清楚ReAct vs P-t-E的区别？
ReAct是"边想边做"，P-t-E是"先想好再做"——前者灵活但易走偏，后者可控但需 upfront规划。

Multi-Agent架构

#	论文	核心观点	优先级
5	MPAC: Multi-Principal Agent Coordination	五层协调：Session/Intent/Operation/Conflict/Governance	⭐⭐ 推荐
6	COLLAB-LLM	角色分工 + 通信协议 + 冲突解决	⭐⭐ 推荐
7	Federation of Agents (FoA)	Versioned Capability Vectors实现跨域互操作	⭐ 选读

Anthropic Agent设计理念

资源	说明
Building effective agents (Anthropic, 2024.12)	Agent定义、Workflow vs自主Agent区分——业界标杆文章

这篇文章的含金量极高。Anthropic把Agent分为两类：Workflow Agent（流程编排，人定义路径）和Autonomous Agent（自主决策，AI定义路径）。选型前必读。

🟡 第二阶段：工程实战（第5-8周）

目标：跑通RAG和Agent的Demo，掌握评测体系

W5-W6：RAG检索增强生成

周	学习内容	产出
W5	GraphRAG / HiRAG / ParetoRAG前沿方案	笔记：RAG方案对比矩阵
W6	RAG工程实践（LangChain/LlamaIndex/RAGAS）	跑通一个RAG Demo

前沿RAG方案

#	论文	年份	核心观点	优先级
12	GraphRAG (Microsoft)	2024	LLM提取实体关系→社区检测→MapReduce全局摘要	⭐⭐⭐ 必读
13	GeAR: Graph-enhanced Agent for RAG	2025	图增强Agent RAG	⭐⭐ 推荐
14	HiRAG: Hierarchical Knowledge RAG	2025	层次化知识索引	⭐⭐ 推荐
15	ParetoRAG	2025	帕累托最优检索	⭐ 选读
16	Zero-RAG	2025	零样本RAG，30% Wikipedia索引降22%	⭐ 选读
17	OG-RAG: Ontology-grounded RAG	2025	本体论接地RAG	⭐ 选读

💡 RAG演进路线：Naive RAG → Advanced RAG → Graph RAG → Agentic RAG。当前业界主流正在从Advanced RAG向Graph RAG和Agentic RAG迁移。

RAG工程实践

主题	内容
LangChain RAG教程	Naive RAG → Advanced RAG完整路径
LlamaIndex RAG教程	Ingestion → Indexing → Retrieval → Generation pipeline
RAGAS评测框架	Faithfulness / Answer Relevancy / Context Precision/Recall
Chunking策略	固定大小 vs 语义切分 vs 递归切分

W7-W8：Agent框架与评测

周	学习内容	产出
W7	LangChain / LangGraph / CrewAI / AutoGen实操	跑通一个Agent Demo
W8	Agent评测体系	笔记：评测框架选型

Agent开发框架选型

框架	定位	特点	适合场景
LangChain	LLM应用开发框架	生态最全+插件最多	通用LLM应用
LangGraph	有状态Agent框架	StateGraph+Checkpoint	复杂状态机Agent
LlamaIndex	数据索引框架	RAG能力最强	知识密集型应用
CrewAI	多Agent协作框架	角色化协作	多角色任务
AutoGen (Microsoft)	多Agent对话框架	对话驱动+代码执行	研究/实验

🎯 选型建议：LangChain通用入门 → LlamaIndex做RAG → LangGraph做复杂Agent

Agent评测

#	论文	核心观点
8	Evaluation and Benchmarking of LLM Agents	Agent评测全景综述
9	Agent-as-a-Judge (2025)	用Agent评测Agent，超越LLM-as-a-Judge
10	Beyond Accuracy (2025)	企业级Agent多维评测
11	Holistic Agent Leaderboard (2025)	9大Benchmark，21,730个Agent rollout

🛠 工具链：LangSmith（trace）+ Braintrust（评测）+ RAGAS（RAG评测）

🔴 第三阶段：产品与商业（第9-12周）

目标：从技术到产品，理解AI的商业闭环

W9：AI Native产品思维

资源	核心观点
AI Native产品定义 (2025)	AI Native ≠ AI Wrapper，从0开始设计而非套壳
Claude Code = AI-Native开发范例	AI不是辅助，是核心交互方式
AI Native产品10大原则 (InfoQ)	PRD也需要AI-Native化

推荐书籍：

书名	作者	核心价值
The Design of Everyday AI Things	Don Norman风格	AI时代交互设计
Co-Intelligence: Living and Working with AI	Ethan Mollick	AI协作生活工作指南
The Coming Wave	Mustafa Suleyman	DeepMind联创谈AI未来

W10：AI商业化与定价

资源	核心观点
API计费/Tiered/按量 (2025)	Token计费是AI商业化起点
AI定价策略综述 (36氪, 2025)	中国市场定价实践
AI商业化定价 (Stripe, 2025)	Stripe视角的AI支付
BGV AI Advisory: Pricing for Agentic AI	Agent AI定价策略

产品定位参考：

资源	核心价值
Obviously Awesome (April Dunford)	B2B定位方法论
Monetizing Innovation	定价驱动创新
a16z AI Canon	AI投资图谱+LLM技术栈

W11：行业应用

ITSM / IT服务管理

厂商	产品	AI能力
ServiceNow	AI Experience	AI Agent驱动，Gartner MQ领导者
Salesforce	Agentforce IT Service	2025.09发布，Slack深度集成
Zendesk	AI Agent	自动化客服
BMC	25.2/25.3	AI Agent进入ITSM+ITOM

迁移工具

厂商	产品
AWS	Application Migration Service + Migration Hub
Azure	Migrate + Arc
Google	Migrate for Compute Engine + Anthos

Agent开发平台

平台	定位
Coze	字节旗下，低代码Agent
Dify	开源LLMOps平台
n8n	Workflow自动化+AI节点
扣子AI	IM驱动AI Agent

W12：信息源与知识体系

核心信息源

信息源	频率	链接	说明
Lilian Weng博客	不定期	lilianweng.github.io	OpenAI研究负责人，质量极高
Anthropic Research Blog	不定期	anthropic.com/research	Agent/对齐/安全
The Batch (Andrew Ng)	每周	deeplearning.ai/the-batch	AI趋势周报
a16z AI Canon	不定期	a16z.com/ai-canon	AI投资全景
LangChain Blog	不定期	blog.langchain.dev	Agent/RAG工程
LlamaIndex Blog	不定期	llamaindex.ai/blog	RAG前沿

中文资源

资源	说明
AIGC研究院19赛道全景 (2025)	50+公司覆盖
AI Agent产业链全景图 (ProcessOn)	产业链可视化
36氪AI频道	商业化/定价
2025全球AI产品榜	产品排行

知识图谱速查

领域	核心概念
LLM	Transformer / Token / Pre-training / SFT / RLHF / DPO / Temperature / Top-p
Agent	ReAct / Plan-then-Execute / Multi-Agent / Function Calling / MCP / A2A
RAG	向量检索 / 稀疏检索 / 混合检索 / Chunking / HyDE / RAPTOR / GraphRAG / Agentic RAG / RAGAS
AI产品	AI Native vs AI Wrapper / Prompt Engineering / AI定价 / Agent计费

📝 论文下载清单（按优先级）

⭐⭐⭐ 必读（先下这4篇）

ReAct: Synergizing Reasoning and Acting (2022) — arxiv.org/abs/2210.03629
Plan-then-Execute: A Guide to Secure Implementations (2025)
GraphRAG: From Local to Global (Microsoft, 2024) — arxiv.org/abs/2404.16130
Building effective agents (Anthropic, 2024.12) — anthropic.com/research/building-effective-agents