为什么要开「系列三」
系列二(M0–M5)已经讲完「从 0 到 1 做出一个能用的企业知识助手」:FastAPI + LangChain + RAG + 权限红线 + 流式 + React/JWT,是一个完整闭环。读者看到 05 就知道「能跑了」。
但能跑 ≠ 能上岗。翻一遍 2026 年的 Agent 开发 JD(BOSS、智联、51job、牛客 JD 汇总、北京 813 个岗位大数据),生产级岗位最缺的是这四块:
- LangGraph(103 个岗位点名)——生产级 Agent 编排的代名词
- MCP 协议(多篇标「2026 必学」)——工业级工具接入标准
- Agent 评估 / 可观测性——40K+ 档的硬要求
- 部署(Docker)(276 个岗位)——很多 JD 明写
系列三就干一件事:把同一个项目从 MVP 推到生产级,每一步都配套一篇实战文章,既涨能力又涨简历作品集。
四阶段地图(标题表)
| 阶段 | 文件 | 标题 | 覆盖能力 |
|---|---|---|---|
| 路线图 | agent-prod-00-roadmap.md | 系列三 · 00 | 开篇:把企业知识助手送上生产级 | 总纲 + 地图 |
| 一 | agent-prod-01-langgraph.md | 系列三 · 01 | 阶段一·用 LangGraph 重写编排:从 ReAct 循环到可控状态图 | StateGraph + Checkpointer + 流式 |
| 二 | agent-prod-02-mcp.md | 系列三 · 02 | 阶段二·把工具封装成 MCP Server:让 Agent 说"标准语言" | FastMCP + stdio + 外部调试 |
| 三 | agent-prod-03-evals.md | 系列三 · 03 | 阶段三·给 Agent 装上评估:用 LangSmith 量化准确率与越权拦截 | eval 数据集 + tracing + 指标 |
| 四 | agent-prod-04-docker.md | 系列三 · 04 | 阶段四·Docker 一键部署:让作品集可在线体验 | Dockerfile + compose + 演示 |
weight 约定:系列三统一 700+ 段(路线图 700,后续 701–704),排在系列二(600+)之后。
与招聘能力对照
| 系列三阶段 | 对应 JD 高频要求 | 作品集卖点 |
|---|---|---|
| LangGraph | 生产级 Agent 编排、状态/记忆、可控执行 | 从「调 chain」升级为「设计可控执行图」 |
| MCP | 2026 必学、工具标准化协议 | 懂 Agent↔工具解耦,不止 @tool 装饰器 |
| Evals | 40K+ 档评估体系、可观测性 | 能量化效果、防回归,面试有得讲 |
| Docker | 部署(276 岗)、Docker/K8s | docker compose up 即可体验的 demo |
贯穿始终的两条红线(不可破)
重构任何框架都不允许破坏已有的安全设计:
- 权限红线:工具零参数 + 服务端
user_id_ctx注入。模型永远只能"决定调不调",不能"指定查谁"——张三查不到李四。 - M4 友好降级:RAG 调过但无命中、且非本人数据时,仍降级为友好话术,不把模型可能编造的内容流出。
执行顺序
全局前置准备 → ① LangGraph → ② MCP Server → ③ Evals → ④ Docker。每步一篇,且每步都保持上述红线/降级不变。
后续可同系列扩展(第二/三档,视时间)
05 多智能体(CrewAI/AutoGen/LangGraph multi-agent,市场第一需求)06 GraphRAG / 混合检索 / rerank(RAG 进阶)07 文件上传个人知识库(把 M1 的 RAG 从预置补成用户自助)08 监控告警 / 成本管控(LLMOps)