学习路线图

与其他章节的关联

• 每周的学习内容都对应本指南的具体章节，按路线图顺序即可系统覆盖所有面试考点
• 第 1 周 → ch01 LLM 基础，第 2 周 → ch02 设计模式 + ch05 Tool Use + ch06 MCP
• 第 3-4 周 → ch04 RAG + ch03 记忆，第 5 周 → ch07 生产化 + ch08 安全
• 第 6 周 → ch09 系统设计 + ch10 面试

总览

这份路线图按 6 周 设计，适合有一定编程基础、准备转型或面试 AI Agent 岗位的工程师。

第 1 周：LLM 基础
第 2 周：Agent 设计模式
第 3-4 周：技术栈与编码实战
第 5 周：生产化与安全
第 6 周：系统设计与面试冲刺

第 1 周：LLM 基础

学习目标

• 理解 Transformer 架构和 Self-Attention
• 掌握 Tokenization、Embedding 概念
• 了解推理优化（KV Cache、量化）
• 能解释 Temperature、Top-p 等参数

每日计划

天	内容	时间
1	Transformer 论文精读 + 架构图手画	3h
2	Self-Attention 数学推导 + 代码实现	3h
3	Tokenization（BPE、SentencePiece）	2h
4	推理优化：KV Cache、量化、Speculative Decoding	3h
5	生成参数（Temperature、Top-p）+ API 实践	2h
6-7	复习 + 回答理论题 1-6	3h

检验标准

• 能画出 Transformer 架构图并解释每个组件
• 能解释 Self-Attention 的计算过程
• 能说清 KV Cache 的原理和作用

术语：Speculative Decoding

Speculative Decoding（推测解码） 是一种推理加速技术：用一个小模型快速生成多个候选 token，再用大模型一次性验证这些候选。如果小模型猜对了，就跳过大模型逐 token 生成的开销，在不损失质量的前提下显著加速推理。

术语：Quantization（量化）

量化 是将模型参数从高精度浮点数（如 FP16）压缩为低精度格式（如 INT8、INT4）的技术。量化可以大幅减少模型的显存占用和推理延迟，代价是微小的精度损失。常见方法包括 GPTQ、AWQ 和 GGUF。

第 1 周学习建议

不要试图完全理解 Transformer 的每个数学细节——面试中更看重你能否清晰地解释直觉和工程意义。建议手画一次完整的架构图，并尝试用 PyTorch 实现一个简化版 Self-Attention，这比反复看论文更有效。

第 2 周：Agent 设计模式

学习目标

• 掌握 ReAct、Plan-and-Execute、Reflection 模式
• 理解 Multi-Agent 架构
• 了解 Tool Use 和 Function Calling
• 熟悉 MCP 协议

每日计划

天	内容	时间
1	ReAct 论文 + 手写 ReAct 循环	3h
2	Plan-and-Execute + 状态机模式	3h
3	Reflection / Reflexion 机制	2h
4	Multi-Agent 架构模式	3h
5	Function Calling 实战 + Tool Schema 设计	3h
6	MCP 协议学习	2h
7	复习 + 回答理论题 7-15	3h

检验标准

• 能手写 ReAct Agent 代码
• 能比较各种 Agent 模式的优劣
• 能设计 Tool Schema

第 2 周学习建议

ReAct 是面试中出现频率最高的模式，务必能手写完整代码。建议用 OpenAI 或 Anthropic 的 API 实际跑一遍 ReAct 循环，体验 Thought-Action-Observation 的交互过程。对比不同模式时，重点理解”什么场景用什么模式”而不是死记区别。

第 3-4 周：技术栈与编码实战

学习目标

• 掌握至少一个 Agent 框架的使用
• 实现完整的 RAG 系统
• 完成一个端到端的 Agent 项目

第 3 周每日计划

天	内容	时间
1	RAG 原理：分块、Embedding、检索	3h
2	向量数据库实战（Chroma / Qdrant）	3h
3	高级 RAG：Hybrid Search、Reranking	3h
4	RAG 评估（RAGAS 框架）	2h
5-7	实现完整 RAG 系统	6h

第 4 周每日计划

天	内容	时间
1	LangChain / LangGraph 入门	3h
2	框架对比实验	3h
3-5	端到端项目：构建一个多工具 Agent	8h
6-7	代码整理 + 项目文档 + 回答编码题	4h

检验标准

• 能独立实现 RAG 系统
• 有一个可展示的 Agent 项目
• 能解释框架选择的理由

第 3-4 周学习建议

这两周是编码实战的核心期，建议产出一个完整的可展示项目。推荐从 RAG 系统入手——它涵盖了 Embedding、向量检索、Prompt 构建等核心概念，且面试中经常被要求现场实现。项目不需要很大，但要能讲清楚每个设计决策的理由。

第 5 周：生产化与安全

学习目标

• 理解 Agent 系统的可观测性
• 掌握成本控制和延迟优化
• 了解 Prompt Injection 防御
• 掌握 Guardrails 设计

每日计划

天	内容	时间
1	可观测性：Tracing、Metrics、Logging	3h
2	成本优化：缓存、模型分级、Prompt 优化	2h
3	延迟优化：Streaming、并行、预热	2h
4	Prompt Injection 攻防	3h
5	Guardrails 设计与实现	3h
6-7	复习 + 回答理论题 21-31	3h

检验标准

• 能设计 Agent 系统的监控方案
• 能列出至少 5 种 Prompt Injection 攻击方式
• 能设计 Guardrails 方案

第 5 周学习建议

安全和生产化是区分”会写 demo”和”能上生产”的关键。建议实际动手做一次 Red Teaming 练习——对你第 3-4 周构建的项目尝试 Prompt Injection 攻击，然后实现防御。这个经历本身就是很好的面试故事素材。

第 6 周：系统设计与面试冲刺

学习目标

• 掌握 Agent 系统设计面试框架
• 练习经典系统设计题
• 完成行为面试准备
• 做模拟面试

每日计划

天	内容	时间
1	系统设计面试框架	2h
2	设计题：数据分析 Agent	3h
3	设计题：智能客服系统	3h
4	设计题：代码审查 Agent	3h
5	行为面试准备（STAR 故事）	2h
6	模拟面试（找朋友或 AI）	3h
7	查漏补缺	2h

检验标准

• 能在 35 分钟内完成一道系统设计题
• 准备了 3-4 个 STAR 故事
• 完成至少 1 次模拟面试

第 6 周学习建议

系统设计的关键不是背答案，而是展示你的思考过程。建议用计时器模拟真实面试，练习在 35 分钟内完成需求澄清 -> 架构设计 -> 深入设计 -> 权衡讨论的完整流程。找朋友或用 AI 做模拟面试，录音后回听自己的表达是否清晰。

推荐每日学习计划

对于在职准备面试的人，建议每天投入 2-3 小时：

工作日：
  早上 30 分钟：阅读理论（通勤时间可以）
  晚上 2 小时：编码实战 / 刷题

周末：
  上午 3 小时：深入学习新主题
  下午 2 小时：项目实战或系统设计练习

学习资源优先级

优先级 1（必须）：
  ├── 本学习指南的全部章节
  ├── 至少 1 个端到端项目
  └── 系统设计题练习

优先级 2（强烈推荐）：
  ├── ReAct、Reflexion、Toolformer 论文
  ├── 一门在线课程（Andrew Ng 系列）
  └── Anthropic / OpenAI 官方文档

优先级 3（有余力时）：
  ├── 大学课程（Berkeley / Stanford）
  ├── 更多论文
  └── 参与开源项目

面试前一天

• 回顾所有理论题答案要点
• 检查你的项目能否清晰讲述
• 准备好你要问面试官的问题
• 早点休息