学习路径

按顺序学习，减少信息噪音，建立可复用的 AI 知识框架。

Part 01 · AI 基础概念

先把术语、推理、上下文和 Prompt 基础打牢。

  1. AI 黑话通关手册 30+ AI 核心术语，一篇全搞定。不讲废话，每个词给你一句人话 + 原理 + 真实案例。读完你就能看懂大多数 AI 讨论。
  2. 大语言模型是如何“思考”的 从 Transformer 架构、Attention 机制、Token 预测到 Scaling Law，拆解 LLM 的底层运作逻辑
  3. 推理能力从哪里来 预训练、微调、RLHF、推理模型——从 Base Model 到 ChatGPT 的完整训练链路
  4. 上下文窗口与 LLM 记忆机制 Context Window 如何工作、对话记忆如何维护、RAG 如何扩展知识边界——LLM 记忆全景图
  5. Prompt 工程入门 角色设定、Few-shot、指令设计、Chain-of-Thought——从零到写出高质量 Prompt 的完整指南
  6. Prompt 系统设计 结构化输出、模板管理、多轮设计、分层 System Prompt——生产级 Prompt 架构实战

Part 02 · RAG 体系化进阶

从检索链路到评测与生产实践。

  1. RAG 是什么 从知识截止、幻觉和私有数据三大痛点出发，理解 Retrieval-Augmented Generation 的本质与价值
  2. RAG 系统架构详解 从 Query 到 Response 的完整 RAG 流水线，以及索引与查询两条主线的设计要点
  3. 文档切分策略 Chunking 是 RAG 的基础：切太大引入噪声，切太小丢失上下文。本文详解各类切分策略与最佳实践
  4. 检索质量优化 Sparse、Dense、Hybrid 检索，多阶段检索架构、Query 变换与评估调优实践
  5. Rerank 模型 Bi-encoder 与 Cross-encoder 的取舍，两阶段检索模式，以及 Rerank 在 RAG 中的实战价值
  6. Self-RAG 让模型自己决定何时检索、如何评估检索质量，突破传统 RAG 的固定检索模式
  7. RAG 评测体系 RAG 好不好，不能只看答案像不像对：从检索、忠实度、引用、线上反馈到回归测试，建立一套真正能指导迭代的评测框架
  8. 生产级 RAG 系统架构 从 Demo 到 Production：可靠性、可扩展性、可观测性与成本控制

Part 03 · Agent 设计与工程

理解 Agent 架构、规划执行与多 Agent 协作。

  1. Agent 是什么 从定义、与 Chatbot 的差异、核心能力到真实案例，理解 AI Agent 的本质与边界
  2. Agent 系统组成 Planner、Executor、Memory、Tools 四大支柱如何协同，以及 Agent 循环与架构模式
  3. Plan & Execute 先规划再执行的两阶段架构、Replanning 机制、与 ReAct 的对比，以及 LangGraph 等实现方式
  4. Reflection Agent 如何通过自我评估与修正提升输出、Reflexion 模式、实现方式与适用场景
  5. Multi-Agent 系统 多 Agent 协作的通信模式、角色分工、编排策略，以及 CrewAI、AutoGen 等框架与实战考量
  6. Agent Memory 系统 为什么 Agent 需要记忆、五种记忆类型、MemGPT 虚拟内存、以及实现策略
  7. LangGraph 用图结构构建有状态的多步骤 Agent 工作流 —— LangGraph 核心概念、设计模式与实战

Part 04 · OpenClaw 实战

围绕 OpenClaw 从概念到部署的完整实践路线。

  1. OpenClaw 是什么 从定位、架构到边界，理解 GitHub 热门开源个人 AI 助手 OpenClaw
  2. 快速上手 从安装到发送第一条消息，OpenClaw 快速上手指南
  3. 系统架构详解 深入理解 OpenClaw 的 Gateway、Pi Agent、WebSocket 与会话模型
  4. 工具与自动化 Browser Control、Canvas、Nodes、Cron、Webhooks、Voice 与媒体管道
  5. 部署方案详解 Docker、Podman、Remote Gateway、Tailscale、Nix 与云部署完整指南
  6. 实战案例与工作流 个人助理、开发、团队协作、家居自动化、内容创作与常用模式