AI Agent 学习路线：从零到生产，每个阶段配一个开源项目
一份系统的 AI Agent 学习路线图，覆盖 Prompt / Context / Loop / Harness 四大工程类型。开篇先交代本站各系列怎么接，再按 5 个阶段配开源项目实战。
LLM
系列一 · 01 | 大模型是怎么工作的——从 Transformer 到 Tokenization
不讲公式，用直觉和具体例子解释大模型的核心机制：Transformer 架构、Tokenization 原理、Context Window 概念，以及自回归生成的工作方式。
系列一 · 02 | Prompt：六种常用写法
系统讲解 Prompt Engineering 的核心技巧：Zero-shot、Few-shot、Chain-of-Thought、Self-Consistency，以及 System Prompt 设计原则。每个技巧配具体示例和使用场景。
系列一 · 03 | 推理模型——o1、R1 和 test-time compute 到底在做什么
解释推理模型（o1/o3、DeepSeek-R1）的工作原理：test-time compute、内部思维链、强化学习训练，以及它和传统 CoT Prompt 的本质区别。
系列一 · 04 | 实战：做一个文章摘要器
动手做一个技术文章摘要器：从最小 API 调用叠上 System Prompt、Few-shot、CoT 和结构化输出，把前三篇的技巧串起来。Prompt Engineering Guide 放在文末当练习材料，不是本篇逐步对照的教程。