AI 工程学习资源清单

← 返回目录

共 49 份（基础 19 篇 + 专题 30 条）。专题里带”第 N 份”的编号是陆续补入时的流水号，沿用不重编。 分级：【对照正文】重要，对照原文读；【摘要即可】摘要已写到能独立成立，只看摘要、跳过原文（旧版导读的精读层同此标准）；【查阅型】工具书，按需翻；【概念即可】知道概念为止。 重心（Stone 定）：全部涉猎、FDE 与 Agent 为重点；深度押三处——FDE 落地方法、Agent 跑稳（Ops）、Evals 体系。 本站：导读与摘要见本目录各文件，学习笔记见 ../learning-notes/。流水号与外部引用（站点计数）保持一致。 库内自足（Stone 2026-10-31 定）：重要资料的摘要写到不依赖原文站点也能学到精髓——库里有足够的学习内容及概要，不只留链接；旧资料缺摘要的，学习时补。

总目录

• 第一编 · 基础十九篇（systemdesign.one）：对照正文 6 篇——#2 Patterns、#3 Multi-Agent、#5 Memory、#9 MCP、#13 Context Engineering、#16 Evaluation；其余摘要或概念即可。
• 第二编 · 专题进阶（按主题组合）：
  • 组一 路由与编排：Router/调度（kafkaup）、Thin Orchestrator（Meta）、决策模型与 Jev
  • 组二 记忆与检索进阶：Agentic RAG、Generative Agents、Karpathy《LLM Wiki》（第 49 份）
  • 组三 Harness 与课程：MIT 6.S950 Lec 5、MIT 6.S950 课程全景、UMich AASE、walkinglabs《Learn Harness Engineering》（第 42 份，动手搭完整 harness）、namiai《从零手写 Agent》（第 48 份，动手从零写 Agent + 拆解主流 Agent）
  • 组四 框架与平台：Pi、Strands、Bedrock AgentCore、阿里云 AI Agent Handbook
  • 组五 教材与路线：Gulli《Agentic Design Patterns》、Sharma 12 步路线图、龙井《2 小时从零看懂 AI》
  • 组六 交付与职业：FDE-Gym + OpenAI FDE、码良面试题单、Karpathy 理解漏斗
  • 组七 FDE 深挖 / Agent Ops / 安全与治理（第 33–41 份）：FDE 深挖（Pragmatic Engineer、PostHog、RevenueBrew）、Agent Ops（Databricks、Temporal、Cresta）、安全与治理（OWASP ASI、NIST AI RMF、欧盟 GPAI Code）
• 附：评价与缺口状态（2026-10-16 评价原文 + 2026-10-24 缺口状态更新）
• 变更记录：按日期记每次增补与重整。

---

第一编：基础十九篇

来源：https://x.com/0xSilver_Time/status/2110546705838117326 （19 篇 systemdesign.one 深度文章）

Agent 核心

1. Agent vs ChatGPT 的区别【摘要】 — agent 把 LLM 接上工具，形成”行动→观察→重试”循环；ChatGPT 是单轮问答，agent 是能自己调工具、看结果、调策略的多步任务系统
2. 9 种 Agentic Patterns【对照正文】 — reflection（自我检查）、tool use、planning、ReAct（边想边干）等 9 种模式，搭 agent 时的”设计模式手册”
3. Multi-Agent 架构【对照正文】 — supervisor/worker、串行 pipeline、并行 fan-out、辩论共识；thinktank 的 panel+judge 就是 supervisor 模式的一种
4. 从零搭 Incident Response Agent 的血泪史【摘要】 — 实战：工具怎么选、规划策略（ReAct vs 先规划后执行）、记忆怎么管、guardrails 怎么设

记忆与状态

1. Agent State / Memory / Consistency【对照正文】 — 短期记忆（context 内）vs 长期记忆（跨 session）；多步任务怎么保证 agent 不”失忆”不自相矛盾；open-memex 解的就是长期记忆这块

检索与 RAG

1. RAG Deep Dive【摘要 · 与 Agentic RAG 合读】 — 查询时先检索外部文档拼进 prompt；解决知识截止+私有数据问题；关键在切分、检索、重排
2. Vector Database Deep Dive【摘要】 — 存 embedding 做语义检索；选型（Pinecone/Milvus/Qdrant/pgvector）；什么时候该用什么时候不该用
3. HNSW 十亿向量毫秒检索【摘要】 — 分层图索引，不用全量扫描；理解向量库底层的必看

协议

1. MCP Deep Dive【对照正文】 — Anthropic 的开放协议，统一模型接工具/数据的接口；一次适配，到处可用
2. A2A Protocol【摘要】 — 不同厂商 agent 之间怎么通信协作；MCP 是 agent 接工具，A2A 是 agent 接 agent
3. 用 MCP 搭 Research Agent【摘要】 — 实战端到端：规划研究问题→搜索资料→综合结论

LLM 基础

1. LLM 到底怎么工作【摘要】 — token、embedding、attention、context window；理解模型怎么”看”字，才能写好 prompt
2. Context Engineering 101【对照正文】 — 窗口里放什么怎么放：system prompt、示例、检索结果、历史、工具定义；核心是取舍
3. 垂直领域小模型【摘要】 — 特定任务上小模型+好数据能打败大模型；成本低延迟低可本地部署

生产与评估

1. AI App 扩到 100 万用户【摘要】 — 缓存、batch、小模型处理简单任务大模型只处理复杂；跟 router 三层架构一个思路
2. 29 个 LLM 评测概念【对照正文】 — 测试集、打分标准、LLM-as-judge（跟 thinktank judge 同思路）、人工评估
3. 设计个人 AI 助手【摘要 · 低优先】 — 流式输出、会话历史、检索增强；偏产品向

训练

1. Fine Tuning Deep Dive【概念即可】 — 领域数据微调提准确率；什么时候该微调 vs RAG/prompt 就够（多数情况后者就够）
2. 21 个强化学习概念【概念即可】 — agent 在环境里行动靠 reward 调策略；RLHF 就是 RL 的一种应用

---

第二编：专题进阶（按主题分类）

路由与编排

• Router/调度【摘要即可】 — router 是 AI 产品的”调度台”——决定请求进哪个能力、花多少成本；信息不足或高风险时追问/降级/拒绝/转人工。 原文 导读
• Meta《The Thin Orchestrator》【摘要即可】 — Meta 数据列接入系统的 Agent 架构复盘：第一版”全知单 agent”上生产幻觉（概念互相污染），重构成 1,300 行薄编排器 + 14 个隔离上下文的专家子 agent。 原文 导读
• 决策模型（Decision Models）与 Jev【摘要即可】 — 2026 年 9 月起的新品类——模型不写文本，只输出概率/选项/分数，当 LLM-as-a-Judge 的替代。Jev（TypeSafe，9/15）开创，一个月内 14 个跟进（Perplexity Decider、Cloudflare Clef、OpenAI Decisions API、Microsoft Decision-1 等），多数是小开源模型后训练的”打分头”。 原文 导读

记忆与检索进阶

• Agentic RAG【摘要即可】 — 标准 RAG 的病在中间没人验货；Agentic RAG 把”检索→生成”的直线改成”检索→评估→决定回答还是重试”的循环。 原文 导读
• Generative Agents / Smallville 论文【摘要即可】 — Agent 记忆系统的开山之作。25 个 agent 在 Smallville 小镇里生活两天， emergent 出传派对邀请、约会、协调到场等社会行为。 原文 导读
• Karpathy《LLM Wiki》【摘要即可】 — RAG 每次都从头找答案、不积累；LLM Wiki 让 LLM 把知识一次编译进持久 wiki，越用越富；摘要含 Graphify 实现。 原文 导读 摘要

Harness 与课程

• MIT 6.S950 Lecture 5《The Harness》【对照正文】 — Agent = LLM + Harness；这一讲不教新机制，教三件事——怎么看清它（可观测性）、怎么管住它（可控性）、到底需要多少它（无通用最优），且每条做法都追到几十年前的系统原则。 原文 导读
• MIT 6.S950《Agency with AI》课程全景【对照正文】 — 整门课只教一件事——Agency，即”什么该委托、什么该验证、什么该留给自己做”的判断力；第 27 份是其中 Lec 5 一讲，本份是全景地图。 原文 导读
• UMich EECS 498 AASE《Applied Agentic Software Engineering》【分讲分级】 — 把”指挥 agent 写代码”当工程学科教的大学课程——先学开（Aider），再拆真 harness（Claude Code / Codex / Aider 的 loop、skills、guardrails、subagents、compaction），最后在现成 harness 上做东西。与 MIT 6.S950（第 28 份）互补：MIT 偏原理，这门偏工程实践与拆解。 原文 导读
• walkinglabs《Learn Harness Engineering》【分讲分级】 — 清单里第一份“从零亲手搭一个完整 harness”的动手课程——同一个 Electron 知识库应用，从纯 prompt 一步步走到完整 harness，每步测弱 harness vs 强 harness 的实测差。 原文 导读
• namiai《从零手写 Agent》【分课分级】 — 中文动手系列——从 100 行循环亲手搭出一个完整 Agent，配可运行代码（到 EP11 共 49 个测试），再拿 11 个零件当尺子拆 7 个主流 Agent；Gulli 那本是模式教材，这份是“亲手搭一遍”的对照。 原文 导读

框架与平台

• Pi（Pi Coding Agent）【对照正文】 — 把 agent harness 做到最薄的开源样本——内核只留工具循环 + 状态管理，plan mode、子智能体、权限系统全不内置，想要自己以 package 形式装。 原文 导读
• Strands Agents SDK【对照正文】 — AWS 的开源 agent 框架——「是库不是平台」：Agent 对象 + @tool 装饰器，模型默认 Bedrock、一行可换；现分两层：harness（create_harness 一行整装）与 SDK（自己拼 loop）。 原文 导读
• Amazon Bedrock AgentCore【对照正文】 — Bedrock 的 agent 托管基础设施：Runtime / Memory / Gateway / Identity / Observability / Evaluations / Policy / Browser / Code Interpreter 可组合取用——Pi 故意不做的企业件，AWS 做成了服务。 原文 导读
• 阿里云 AI Agent Handbook【查阅型】 — 企业级 AI Agent 全生命周期实战指南——30 章 + 2026 Agent 开发者调研；从”怎么搭”转向工程化/规模化/组织化三大挑战。 原文 导读

教材与路线

• Antonio Gulli《Agentic Design Patterns》【查阅型】 — Google Antonio Gulli 写的开源教材，21 章 + 7 个附录，每章配可运行的 Jupyter Notebook。版税全部捐给 Save the Children。 原文 导读 摘要
• Suraj Sharma《AI Agent 工程师 12 步学习路线图》【摘要即可】 — 12 步学习路线，每步三列（学什么 / 练手项目 / 为什么）。核心观点：Demo 和生产系统的分水岭是稳定运行、安全执行、故障恢复、交付客户。 原文 导读
• 龙井《2小时从零看懂AI》【摘要即可】 — 8000元/小时企业内训同款公开版——大模型通识→提示词方法→Agent入门→Agent实操，四段式AI认知体系。 原文 导读

交付与职业

• FDE-Gym / AI 交付最后一公里【对照正文】 — 会写代码 ≠ 会交付——在 Terminal-Bench 拿 88% 的模型，真实客户交付只能拿 0.56 分；FDE 的核心（挖隐性约束、把事实变成贴合组织的系统）正是 AI 最弱、人类最强的部分。 原文 导读
• 码良《Agent 高频面试题单》【查阅型 · 自测】 — 从牛客网 343 篇 Agent 岗面经（180 作者、~80 家公司，8/18–10/18）统计出的 29 道高频题，每道带作者数、场次数、公司/轮次分布、原帖例问和牛客链接。另有算法岗、低频题、面试结构、月度趋势、方法论/局限性章节。 原文 导读
• Karpathy “AI 理解漏斗”【摘要即可】 — 你眼里的 AI 和别人眼里的不是同一个东西——差距不再是”两拨人各说各话”，而是一个四层漏斗，而且在变陡。 原文 导读

  三路各补最硬的 3 份，均逐条验过 URL 与原文；验货时删掉三处未核实说法（见各条备注），不硬凑。FDE、Agent Ops、安全与治理三组角度不重叠。

FDE 深挖

• Pragmatic Engineer《What are Forward Deployed Engineers, and why are they so in demand?》【对照正文】 — 采访了 OpenAI 的 FDE 负责人、Ramp 的 FDE 负责人和一位 7 年 Palantir FDE，把起源、日常、三段工作法和两个真实案例都讲透了。 原文 导读
• PostHog《WTF is a forward deployed engineer?》【摘要即可】 — FDE 与普通工程师的对照表、”什么时候该用 FDE”的判断条件讲得最清楚。 原文 导读
• RevenueBrew《What it’s like to work in tech’s hottest new role》【摘要即可】 — Superhuman 的 Thomas Baucom，讲 FDE 一天之内在完全不同客户之间切换、以及”把线从头 carry 到尾”是什么意思。 原文 导读

Agent Ops

• Databricks《AgentOps on Databricks: Operating Production AI Agents》【对照正文】 — 评估门禁 + 可观测性闭环 + 提示词版本化 + 治理，是一张完整的 Agent Ops 全图。 原文 导读
• AWS Builders《Orchestrating Our Agents SDLC on Temporal》【对照正文】 — 把人工 prompt-by-prompt 的 AI 编码流水线改成 Temporal 编排的持久化 SDLC 后踩过的坑——确定性、载荷、重试、心跳、成本、观测——以及每个坑的 fix。 原文 导读
• Cresta《Observability for AI Agents: Tracing Multi-Service LLM Pipelines with Langfuse》【摘要即可】 — 一家真实跑多服务 agent 管线的公司，讲它怎么用自托管 Langfuse 把跨服务的 LLM 追踪、租户隔离与故障回放落到生产——正好补上前两份没展开的一角。 原文 导读

安全与治理

• OWASP《Top 10 for Agentic Applications 2026》【对照正文】 — 每条配真实攻击场景与可落地的缓解措施，是目前最贴合”会自己调工具、多步执行”的 Agent 安全基线。 原文 导读
• NIST《AI Risk Management Framework 1.0》+ Playbook + 生成式 AI Profile【摘要即可】 — 美国官方的 AI 风险管理框架：自愿性、跨行业，用 Govern / Map / Measure / Manage 四个职能 + Playbook 建议动作，把”可信 AI”变成可执行的管理循环。 原文 导读
• 欧盟《通用人工智能行为准则》最终版（GPAI Code of Practice）+ EU AI Act 部署者义务【摘要即可】 — 欧盟 AI 法案下通用模型合规的操作化文件：自愿签署、换取合规推定与较低行政负担；三章结构，GPAI 义务 2025 年 8 月 2 日生效。 原文 导读

---

附：评价与缺口状态

评价与补充（2026-10-16）

状态（2026-10-31）：本节是 2026-10-16 的评价原文，”缺的东西”所列 5 个缺口已于 2026-10-24 全部补上——Prompt Engineering→龙井第二部分；安全→阿里云治理篇 + OWASP/NIST/EU；可观测性→阿里云 13 章 + MIT Lec 5 + Cresta/Databricks；Human-in-the-loop→阿里云 6 章 + AASE L09/L11；Router→kafkaup 篇 + 决策模型/Jev。详见本节末”缺口补足完成”与末尾变更记录。优点、”不太值的几篇”、”如果只读 5 篇”、学习方法建议仍有效。

优点

覆盖面全：agent、RAG、协议、LLM 原理、生产、评测、训练一条线；systemdesign.one 质量靠谱，适合系统性补课。

缺的东西（2026-10-16 原文，现已全部补足）

1. Prompt Engineering 没有：有 context engineering 但没有专门的 prompt 工程，对做 agent 的人这是地基
2. 安全只字未提：prompt injection、jailbreak、工具调用的数据外泄——生产级 agent 必修，完全缺席
3. Agent 可观测性没有：tracing、日志、debug（LangSmith 这类），出问题怎么查
4. Human-in-the-loop 没有：审批流、人工接管，生产 agent 标配
5. Router/调度没有：多能力产品怎么做三层路由——可直接用 @kafkaup 那篇补上（https://x.com/kafkaup/status/2110500904868757542）

不太值的几篇（可跳过）

• #18 Fine-tuning、#19 RL：architect 不训模型，知道概念就行
• #17 个人助手设计：偏产品向，优先级低

如果只读 5 篇

1. #2 Agentic Patterns（地基）
2. #3 Multi-Agent（thinktank 理论对照）
3. #5 Memory（open-memex 对照）
4. #13 Context Engineering（prompt 和 judge 设计天天用）
5. #16 LLM Evaluation（jury 评测方法论对照）
   • kafkaup 的 router 文章

学习方法建议

Stone 是动手型学习者，这 19 篇全是文章、没有动手项。建议别按顺序读，而是对照项目读：

• 读 #3 时对照 thinktank 的 panel+judge，看人家的 multi-agent 分类、自己的属于哪种
• 读 #5 时对照 open-memex 的三层检索，看缺了哪块
• 读 #16 时对照 capability-scores，看人家的 eval 怎么做 calibration 三个项目本身就是最好的 lab，清单是理论对照不是作业。

---

缺口状态（2026-10-24 更新）

上面点的 5 个缺口已全部补上：Prompt Engineering → 龙井 primer 第二部分；安全 → 阿里云手册治理篇（13–16 章）；可观测性 → 阿里云 13 章 + MIT Lec 5；Human-in-the-loop → 阿里云 6 章 + AASE 的 L09/L11；Router → kafkaup 篇 + 阿里云 Jev 专题。当前短板不在输入在转化：新材料默认轻处理，唯一观察项 = 企业 AI 治理/合规。

缺口补足完成（2026-10-24 晚更新）

2026-10-24 晚，FDE 深挖、Agent Ops、安全与治理三组 9 份（第 33–41 份）已并入。企业 AI 治理/合规观察项至此有 NIST + EU 两份可讲的材料与 OWASP 安全基线支撑，”唯一观察项”状态更新为：治理从”知道”升到”能讲”已有材料，待 Stone 读后验收。当前短板仍在转化不在输入。

---

变更记录

• 2026-10-31：补第 49 份 Karpathy《LLM Wiki》（组二，Stone 批入——X 帖 @awe0_io 推 Graphify 时提到 Karpathy 的三层知识库文章，Stone 让找原文、要原理与实现思路）。三层编译式知识库：raw（不可改原文）/ wiki（LLM 写的 markdown）/ schema（纪律文件）；三操作 ingest / query / lint；index.md + log.md 规模化到 ~100 份资料。用途三处：open-memex（编译式记忆）、本地文件组织、WorkBuddy harness。结构升级：学习资料分三部分——导读 + 摘要（写到不看原文能学到精髓）+ 学习笔记；新资料按三部分走，旧资料的导读已含精读层、暂不拆。 新增后清单共 49 份（基础 19 + 专题 30）。同日补：摘要加第 10 节 Graphify 实现（代码库上的编译式知识图谱）；并立新规矩——以后重要资料都要有详细摘要，库内自足、不依赖原文站点；旧资料缺摘要的，学习时补。

• 2026-10-15/16：清单初建（基础 19 篇 systemdesign.one + 专题补编起步）。
• 2026-10-24：按新标准重整——每份材料标分级（对照正文 / 摘要即可 / 查阅型 / 概念即可）；MIT 6.S950 Lec 5 重复收录并为一份；主题相邻条目互标合读关系；重心定为全部涉猎、FDE 与 Agent 为重点，深度押 FDE 落地、Agent 跑稳（Ops）、Evals 三处；安全与治理从”知道”升到”能讲”。缺口补足完成（FDE、Agent Ops、安全与治理三组各补最硬的 3 份，第 33–41 份，均逐条验过 URL 与原文）。
• 2026-10-25：补第 42 份 walkinglabs《Learn Harness Engineering》（组三）。
• 2026-10-29：补第 48 份 namiai《从零手写 Agent》（组三，Stone 批入）。此前动手线只有 walkinglabs 一份（搭 harness），这份补”搭 Agent 本体 + 拆解对照”：18 课已完结、配可运行代码，EP03/EP05/EP11/EP18 对照正文、其余摘要即可。新增后清单共 48 份（基础 19 + 补编 29）。Gulli《Agentic Design Patterns》仍未读完，晚间提醒优先接着推其未读章节，第 48 份排在其后。
• 2026-10-31：第三编 18 条详解各拆为单独文件，目录第二编 29 条全部链到导读文件；”补”字标签退役——”专题补编”改名”专题进阶”，按 7 个主题组归类（路由与编排 / 记忆与检索 / Harness 与课程 / 框架与平台 / 教材与路线 / 交付与职业 / FDE·Agent Ops·安全治理），不再按”后补的”分；流水号（第 N 份）保留在总目录与变更记录里。
• 2026-10-31：附”评价与补充（2026-10-16）”标注为历史原文——”缺的东西” 5 个缺口已于 2026-10-24 全部补上（各缺口的补法见该节顶状态注），优点、”不太值的几篇”、”如果只读 5 篇”、学习方法建议仍有效。
• 2026-10-31：重写本文件为干净目录——目录（第一、二编）只留每份一行 + 导读链接；无单独导读文件的条目详解移入第三编；变更记录集中到本节。内容一字未删，只搬了位置。