学习路径

一条清晰的能力成长地图：每一层都为下一层打基础，循序渐进不跳跃。

Prompt 提示层 LLM 调用 核心 LangChain 工具链 RAG 检索增强 LangGraph 流程控制 MCP 能力扩展 多智能体协作 Swarm · Handoff SDK 封装 Agents SDK 前端产品化 Streamlit 部署上线 Ollama · Vercel

为什么是这条顺序

Agent 的能力是分层叠加的，不能跳过地基。下面把每一层的「输入」与「产出」讲清楚，让你知道学完这一层你到底多了什么能力。

🅿️

Prompt → LLM

先搞懂怎么和模型「说话」、怎么调用它。这是一切的起点：没有稳定的 LLM 调用，后面都无从谈起。

⚙️

LangChain → RAG

用框架把 LLM 串成可复用的链，再用 RAG 给模型接上你的私有知识，让它「懂你的数据」。

🧠

LangGraph → MCP

用状态图把决策过程变白盒、可调试；用 MCP 把外部工具标准化接入，Agent 从此能「动手」。

🚀

多智能体 → 部署

让多个 Agent 分工协作，封装成 SDK，套上前端做成产品，最后部署上线对外服务。

两大原则，贯穿全程

💻代码可运行

每个模块都是独立、可运行的最小工程：

  • 依赖齐全，git clone 后一键复现
  • 注释清晰，关键步骤都讲为什么
  • 不靠截图和伪代码凑数

📖原理可理解

配套 CSDN 博客逐篇拆解设计思路：

  • 把「黑盒」变成「白盒」，可调试、可观测
  • 讲清 ReAct 编排、RAG 召回、状态流转
  • 知其然，更知其所以然

技术栈一览

路径上的每一层都对应主流工具，学的是底层逻辑，而非绑定某个框架：

OpenAI / DeepSeek LangChain FAISS · Chroma Reranker LangGraph LangSmith MCP / FastMCP Agents SDK Streamlit Ollama · LM Studio LangServe · Vercel
✅ 下一步 准备好环境就去看 快速上手，或直接翻开 模块文档 从第 01 个模块开始。