主题
Agent 工程师学习路线
为前端工程师定制的 6-9 个月兼职转型路线，目标：全职 Agent 工程师。
⚠️ 时效说明： 本路线文档生成于 2026-07。AI 领域迭代极快，文中出现的模型名、价格、工具版本会随时间过时——使用时请以各厂官方最新文档为准，不要照抄。核心方法论（评测驱动、渐进复杂度、状态机思维、前端优势迁移）不会过时；具体技术选型（用哪个模型、哪个框架版本）建议每季度自行校准一次，校准操作清单见 versions.md（含技术 + 市场两项校准）。
📝 代码示例占位约定： 文中代码统一用各厂的
-latest别名（如gpt-5-latest、claude-sonnet-4-5-latest）作为模型名占位——厂商会自动把-latest指向当前版本，避免几个月后调用失败。实际运行时请替换为你 API Key 实际可访问的模型（登录各厂控制台查看可用列表）。
起点
- 技术背景： 前端工程师，写过少量 Node.js / Python 脚本
- 学习时间： 每周 10-15 小时（工作日每天 1-1.5 小时 + 周末 3-4 小时）
- 学习周期： 32-36 周（8-9 个月），含 20-30% 缓冲。原计划的 28 周偏理想化，兼职学习大概率超时，预留缓冲更利于坚持
- 学习风格： 理论 + 实践交替
📊 各阶段实际耗时参考： 每个阶段文档顶部都有一张「耗时参考表」，按学习者画像给出 1.0x–1.6x 计划周数的实际预估。当你觉得"我又超时了"时，先去对照那张表——多数情况下你的进度在正常区间。这些预估值会随内测数据更新。
技术栈策略
Python 为主（70%）+ TypeScript 辅助（30%）
| 用途 | 语言 | 原因 |
|---|---|---|
| Agent 核心开发 | Python | 业界主流生态（LangChain、LangGraph、AutoGen、CrewAI） |
| LLM API 调用 | Python | SDK 最全、示例最多 |
| 前端界面 / Demo | TypeScript | 发挥前端优势，做"看得见"的作品集 |
| 全栈整合 | Python 后端 + Next.js 前端 | FastAPI + Vercel AI SDK |
为什么不是纯 TS： 业界 80%+ 的 Agent 职位、论文复现、开源项目都是 Python 优先，坚持纯 TS 会与主流生态隔离。 为什么需要 TS： 前端背景是核心竞争力，TS 让你在"AI + 前端"场景（聊天 UI、Agent 可视化调试、Copilot 界面）快速产出 Demo。
学习路线总览
| 阶段 | 周数 | 主题 | 关键产出物 | 阶段文档 | 每日计划 |
|---|---|---|---|---|---|
| 第 1 阶段 | 6 周 | Python 基础 + LLM API 入门 | CLI 聊天机器人 | phase-1 | daily-plan |
| 第 2 阶段 | 4-5 周 | LLM 原理 + Prompt 工程 | Prompt 模式手册 + 评测脚本 | phase-2 | daily-plan |
| 第 3 阶段 | 5 周 | 函数调用 + RAG 基础 | 文档问答机器人 | phase-3 | daily-plan |
| 第 4 阶段 | 5 周 | Agent 核心架构 + LangGraph | 多步任务执行 Agent | phase-4 | daily-plan |
| 第 5 阶段 | 5 周 | Multi-Agent + 工具生态 | 自动化研究 Agent | phase-5 | daily-plan |
| 第 6 阶段 | 5-6 周 | 评测 + 部署 + 作品集 | 上线产品 + 求职作品集 | phase-6 | daily-plan |
核心原则
- 理论 : 实践 = 3 : 7 — 每周以动手为主
- 每个阶段都有可展示的产出物 — 拒绝"看完就忘"
- 评测驱动 — 从 Week 8 开始，所有项目都要有评测集
- 作品集导向 — 第 3、5、6 阶段产出 3 个作品集项目
- 发挥前端优势 — 第 6 阶段重点把后端能力包装成完整产品
- 允许延期，不允许放弃 — 兼职学习 90% 会超时。每个阶段文档都标注了 P0/P1/P2 优先级，时间不够时砍 P2 保 P0，不要因为"做不完"而中断
时间不够怎么办（降级路径）
每个阶段都可能出现"本周没空"。统一降级原则：
| 优先级 | 含义 | 何时可砍 |
|---|---|---|
| P0 必做 | 阶段核心产出物、评测体系 | 不可砍，砍了等于没学这阶段 |
| P1 选做 | 进阶优化（如 Reranking、Multi-Agent 对比报告） | 时间紧可降为"读一遍+跑通 demo" |
| P2 加分 | 博客、对比实验、额外工具集成 | 可直接跳过，作品集阶段再补 |
底线： 宁可每个 P0 都做到 70 分，也不要某一项追到 100 分而整体停摆。
断联重启协议（预先承诺）
兼职学习 9 个月，断联是必然事件，不是风险事件（项目上线、加班、生病、家里有事）。真正的危险不是"落后"，而是"落后 → 羞愧 → 计划显得过时 → 彻底放弃"。所以在这里预先承诺以下规则——断联后直接按表执行，不再临时决策：
| 断联时长 | 动作 |
|---|---|
| ≤ 2 周 | 断点直接继续，当周任务顺延即可，无需任何补救动作 |
| > 2 周 | 漏掉的 P1/P2 标记"欠账"，丢进当前阶段缓冲周或直接砍掉；从当前日期所在周继续，禁止回头补之前的每日计划 |
| > 1 个月 | 视为当前阶段重新开始：只做剩余 P0 任务，阶段文档进度框如实更新 |
三条铁律：
- 禁止"从头再来" —— 已完成的 P0 产出物永远有效，推倒重来是最贵的止损方式
- 欠账允许永久欠着 —— P1/P2 欠账记入复盘即可，作品集阶段（Phase 6）再统一补
- 数据诚实比进度好看重要 —— 断联周数如实记入每周复盘，耗时参考表才有回填价值
作品集项目规划
| # | 项目名 | 类型 | 出现阶段 | 技术栈 |
|---|---|---|---|---|
| 1 | 个人知识助手 | RAG + Function Calling | 第 3 阶段雏形，第 6 阶段打磨 | Python + FastAPI + Next.js |
| 2 | 自动化研究团队 | Multi-Agent | 第 5 阶段雏形，第 6 阶段扩展 | Python + LangGraph + CrewAI |
| 3 | 自选创新项目 | MCP / Browser Agent / AI Coding | 第 6 阶段 | 按选题定 |
资产衔接约定（雏形 → 完整版）：
phase-6/knowledge-assistant、phase-6/research-team分别从phase-3/、phase-5/的雏形 fork 而来：fork 时给雏形打 tag（如phase-3-v0.1），保证"完整版是从哪个状态长出来的"可追溯- 评测集目录路径保持一致（统一放
evals/），Prompt 文件带版本号——评测集是整条路线唯一的复利资产，必须能从雏形 diff 到完整版、基线分数可对比（呼应模型版本策略中"Prompt 与评测集一起打 tag"）
关键认知
思维转变
- Agent ≠ 更智能的聊天机器人，Agent = LLM 驱动的状态机
- Prompt 工程 ≠ 玄学，是工程化的、可评测的
- Multi-Agent ≠ 银弹，90% 场景单 Agent 就够，复杂度要慎重
前端工程师的独特优势
- React 状态管理思维 → LangGraph 状态机设计
- 组件化思维 → Agent 模块化设计
- 用户视角 → Agent 产品体验设计
- TS 类型系统 → Pydantic 结构化输出
求职市场判断
- 对"前端 + Agent"复合人才需求极大
- 团队缺的是"能把 Agent 做成好产品的人"，不是"懂 LLM 的人"
- 前端背景不是劣势，是稀缺优势
学习成本估算（API 费用）
完成整条路线大约需要多少 API 费用？以下按各阶段主要调用量估算（2026-07 量级参考，以经济模型为主、旗舰模型为辅的混合策略）：
| 阶段 | 主要消耗 | 预估费用 (USD) | 备注 |
|---|---|---|---|
| 第 1 阶段 | 少量 API 调用，熟悉 SDK | $2 - 5 | 用便宜模型学习即可 |
| 第 2 阶段 | 评测集反复调用 + Prompt 迭代 | $10 - 20 | Week 8 评测体系调用量较大 |
| 第 3 阶段 | RAG + Embedding + 重排序 | $15 - 30 | Embedding 量大、Reranker 调用 |
| 第 4 阶段 | Agent 循环多轮调用 + LangSmith | $20 - 40 | Agent 每一步都是 API 调用 |
| 第 5 阶段 | Multi-Agent 并行调用 | $30 - 60 | 多个 Agent 同时跑，成本翻倍 |
| 第 6 阶段 | 部署 + 评测 + Demo | $10 - 20 | 主要是部署平台费用 |
| 合计 | $87 - 175 | 约 600 - 1200 元人民币 |
省钱技巧：
- 开发调试阶段用便宜模型（DeepSeek、Claude Haiku），评测 / 上线前再用旗舰模型验证
- 设置 API 用量上限（各厂控制台都有 budget cap），防止误操作烧钱
- Embedding 建议用 text-embedding-3-small（$0.02/1M tokens），不要无脑用 large
- 价格随时在变，以上为 2026-07 量级参考，以各厂官方定价页为准
如何获得反馈与保持动力
全职自学最大的敌人不是难度，而是孤立无援。建议：
获取技术反馈
- Twitter(X) / 即刻： 把每个阶段的产出物（评测报告、Prompt 模式手册、项目 Demo）发出来，标注 #AgentEngineer #BuildInPublic
- LangChain Discord / Anthropic Developer Community： 问具体技术问题，响应很快
- 掘金 / 知乎： 发技术博客，写在 Phase 2 Week 5 的《前端工程师视角的 LLM 内部机制》就是第一篇
找学习搭子
- 找一个同样在转型的人，每周互相 review 代码和评测集。评审别人的代码是最高效的学习方式之一
- 在即刻 / Twitter 搜索"Agent 学习"或"前端转 AI"关键词，找到同期学习者
- 如果没有搭子，让 LLM 当你的代码评审员——把代码和思路发给 Claude/GPT，让它从架构、错误处理、可维护性角度评审
对抗动力低谷
- 兼职学习 90% 会超时，允许延期，不允许放弃
- 每个阶段文档顶部的进度勾选框，勾下去有正反馈
- Week 3 第一次看到 LLM 流式输出的时候，记住那种兴奋感——那是你转型的起点
学习资源汇总
必读文档
- Anthropic Prompt Engineering Guide
- Anthropic Building Effective Agents
- LangGraph 官方教程
- OpenAI Cookbook
- 🚫 反模式库（本项目） — 18 个真实工程坑，按阶段分类
- 🔧 工具速查表（本项目） — 一页汇总所有工具，含选型决策树
- 🗓 易变事实 SSOT（本项目） — 模型名/价格等时点数据的唯一来源，含季度校准清单（技术 + 市场）
必读论文（速读）
- ReAct: Reasoning + Acting
- Reflexion
- Toolformer
- RAG（Retrieval-Augmented Generation）
必用工具
- 评测： Promptfoo、LangSmith、Braintrust
- 框架： LangChain、LangGraph、CrewAI、AutoGen
- 部署： Fly.io、Railway、Vercel
- Trace 调试： LangSmith（必备）
模型版本策略
本仓库代码示例统一使用
-latest别名（如gpt-5-latest）作为模型名占位，方便你拿到代码就能跑。但在真实工程中，不同场景需要不同的版本策略：
| 场景 | 策略 | 原因 |
|---|---|---|
| 学习 / 快速试验 | -latest 别名 | 不用管版本，始终指向当前最新，不会因旧模型下线而报错 |
| 回归评测 | 固定 snapshot（如 gpt-5-2026-01-15） | 确保同一份评测集每次跑的结果可对比；-latest 指向变了，指标就不可比 |
| 生产环境 | 模型路由 + 固定版本 + 回滚基线 | 简单任务路由到经济模型、复杂任务到旗舰模型；每个模型锁定版本；保留上一版本基线用于快速回滚 |
| Prompt 版本管理 | Git + 评测集版本号 | Prompt 内容和评测集一起打 tag（如 v2.1-evalset-2026Q2），确保"当时跑出这个分数的是什么 Prompt"完全可追溯 |
经验法则： 开发阶段用别名（快）；评测和上线前切固定版本（稳）；生产永远保留回滚能力（安全）。
目录结构建议
agent-journey/
├── docs/
│ ├── learning-path/ # 本学习路线文档
│ ├── toolkit.md # 工具选型速查表
│ ├── anti-patterns.md # 反模式库
│ └── versions.md # 易变事实 SSOT（模型/价格/校准清单）
├── phase-1/ # 第 1 阶段代码练习
├── phase-2/
├── phase-3/
│ └── knowledge-assistant/ # 作品集 #1 雏形
├── phase-4/
├── phase-5/
│ └── research-team/ # 作品集 #2 雏形
├── phase-6/
│ ├── knowledge-assistant/ # 作品集 #1 完整版
│ ├── research-team/ # 作品集 #2 完整版
│ └── innovation-project/ # 作品集 #3
└── notes/ # 学习笔记与复盘
├── retro-template.md # 每周复盘模板（复制为 phase-N-week-NN.md）
└── llm-examiner-prompt.md # LLM 考官模板（自检防"自以为会了"）文档分工约定（SSOT，避免维护时两边不同步）
每个阶段有两份文档，职责严格分离，修改时只改对应那份：
| 文档 | 职责 | 改动触发 |
|---|---|---|
阶段文档 phase-N-xxx.md | Why / 认知 / 标准：为什么学、心智模型、核心原则、完成标准、降级路径、推荐资源 | 认知更新、标准调整 |
每日计划 phase-N-daily-plan.md | How / 代码 / 每天任务：每天的代码示例、任务清单、自检题、复盘问题 | 教学内容调整 |
原则： 阶段文档里的"本周学什么"只写一句话概览，详细内容一律指向 daily plan。反之，daily plan 不重复讲阶段文档的认知/原则。若同一信息两边都需要，以阶段文档为准，daily plan 用链接引用。
编号约定： 各阶段文档与每日计划的周编号一律使用阶段内本地编号（如 Phase 2 / Week 3），不使用全局周号；跨阶段的总时长用"第 N 个月"表述。链接锚点以每日计划实际标题为准。
进度追踪
每个阶段文档顶部都有进度勾选框，完成一项就勾选一项。
每周日（10 分钟）： 复制每周复盘模板为 phase-N-week-NN.md 填写——计划/实际时数、产出物、卡点、断联情况。自检时配合 LLM 考官模板 追问自己，防止"自以为会了"。
阶段结束时： 把该阶段实测周数回填到阶段文档顶部的耗时参考表（"预估"改"实测"）。这是路线文档从"合理推演"变成"实测数据"的唯一来源，9 个月后它值多少分取决于这个动作有没有发生。
开始日期： _______ 目标完成日期： _______（开始日期 + 32-36 周，预留缓冲）