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，以及 MCP、A2A、推理模型、评估、安全、数据飞轮等关键概念。5 个阶段，每阶段配一个 GitHub 开源项目实战。
LLM
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。
02 | Prompt Engineering——从入门到精通
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。
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。
04 | 实战——用 Prompt Engineering Guide 搭建你的第一个 LLM 应用
跟着 Prompt Engineering Guide 动手练习，从 API 调用到完整的小项目，把前三篇的理论知识串起来。