AI 工程学习资源（2026-10-16，来自 @0xSilver_Time 推文整理）

来源：https://x.com/0xSilver_Time/status/2110546705838117326 19 篇 systemdesign.one 深度文章，每篇一句话要点，不用点进去就知道讲什么

Agent 核心

1. Agent vs ChatGPT 的区别 — 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 — 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 — 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 — 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 — 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 — 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 — 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 — 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 — 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 — 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 — 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 — token、embedding、attention、context window；理解模型怎么”看”字，才能写好 prompt
2. Context Engineering 101 — 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 — 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 — 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 — 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 — 流式输出、会话历史、检索增强；偏产品向

训练

1. Fine Tuning Deep Dive — 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 — agent 在环境里行动靠 reward 调策略；RLHF 就是 RL 的一种应用

---

小沐的评价与补充（2026-10-16）

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（按重要性）

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。

---

补：Router/调度（@kafkaup，2026-10-16 补）

原文：https://x.com/kafkaup/status/2110500904868757542（2026-10-14，长帖） 一句话：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。

三层级联（由便宜到贵，按确定性/置信度上浮）

1. 规则层：确定性高的请求（按钮点击、文件上传、明确关键词）+ 安全拦截与权限判断前置。快、便宜、可解释。
2. 小模型层：BERT/Embedding 做语义分类，处理规则抓不到但可归类的高频意图（例：”整理成给领导看的材料”→报告生成）。
3. 大模型层：多意图/混合意图、结合上下文判断、槽位（slots）抽取、是否追问、是否进 agent workflow。

路由决策四问

用户要完成什么任务？交给哪个能力模块？当前信息够不够？有没有风险？

• 意图从产品能力出发定义（先看产品能做什么、各模块输入输出与适用边界），不是只从 query 归纳标签——query 只提供表达方式。
• 边界划分标准：路由错了之后后续执行逻辑是否明显不同——走同一 workflow、输出形态差不多就不拆；流程/输入/风险/输出明显不同就必须拆。
• 意图分层：”两级 + 槽位“——一级意图（任务大类：问答/检索/文件分析/工具执行/无法处理）、二级意图（具体能力模块）、槽位（执行参数）。

Fallback / 降级触发

• 置信度不足 → 追问或 fallback 兜底；信息不足/高风险 → 追问、降级、拒绝、转人工。
• 评论区实践经验（@KakaluoteW45042）：router 是搭 agent 时最容易被低估的环节；单独训练分类器做路由一直不太稳，反而把能力描述塞给主模型让它自己决策效果更好；真正难的不是第一跳分对，是中途发现走错了还能回退和自救。

评估五指标

路由准确率、任务成功率、Fallback 率、用户重试率/追问率、人工改派率。目标不是最强模型，而是 token/延时/准确率三者平衡；router prompt 要短（只放意图定义+边界+输出 schema）、输出结构化、安全前置、常见 query 缓存结果。

跟你项目的咬合

• opencode-fuse 三档模型自动选档 = “由便宜到贵”的级联；”说不行自动升档” = 低置信度上浮；D13 的 fallback 率/升级率/任务成功率正好是这里的评估指标。
• D14 三个”事中请示”触发点 = 追问/转人工的触发条件，口径一致。
• thinktank Phase 3 的”Router 视角”（judge 低置信追问/降级）直接对应这篇的降级触发——”路由错了，大模型救不回来”有了理论背书。

---

补：FDE-Gym / AI 交付最后一公里（2026-10-17 补）

原文：https://arxiv.org/abs/2610.22350（2026-10-15，DeepLethe + 清华/上交等） 解读帖：https://x.com/Xudong07452910/status/2111306709318951189 详解：FDE-Gym论文详解 一句话：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。

测什么

• 95 个端到端交付任务，20 个客户场景、18 个行业，由行业专家从真实交付项目改造
• Agent 起手只有 sponsor 的一句话需求（可能指向错误问题），得自己读文档、查系统、找 stakeholder 确认
• 评分 = 客户业务指标改善（0=没动，1=专家参考方案）− stakeholder 接触成本（问问题/试运行/等待都收费）
• 四个指令级别 L0→L3：规则全给 → 规则自己挖 → 需求含糊 → sponsor 原始需求（可能跑偏）

五个发现

1. 最好模型（Claude Opus 5.5）平均 0.56，95 个任务只解决 14 个
2. 挖隐性约束是最大断崖：L0→L1 掉 0.28，L1→L3 只再掉 0.04——瓶颈不是”需求跑偏”，是”约束没写出来”
3. 拿到 72–85% 关键事实 ≠ 交出系统：只有参考方案 60–70% 的业务提升；contact cost 再扣 0.14–0.22
4. 弱模型不如不做：Haiku 4.5 在 79/95 个任务上不如 do-nothing（期望贡献为负）
5. 没有全能选手；花钱多 ≠ 分高；”知道何时算做完”本身就是能力

跟你的咬合

• 职业：0.56 vs 1.0 的差距 = “有经验的工程师” vs “AI” 的价值差，可量化进 AI Solutions Architect 的面试框架（需求澄清/约束发现/系统交付/业务指标导向/stakeholder 管理）
• thinktank：judge 评交付类任务时，业务指标改善 + 接触成本是现成的评分维度
• open-memex：企业版 pitch 话术——”90 分的模型真实交付 56 分，弱的还不如不做，所以需要人把最后一公里走完”
• fde-gym.com 在线平台：人类可同场练习，等人类基线出来值得做几个任务

---

补：阿里云 AI Agent Handbook（2026-10-17 补）

原文：https://github.com/aliyun/ai-agent-handbook（Apache-2.0，~1.6k star，2026-10-16 仍在更新） 一句话：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。

结构（8 大部分）

• 架构（1–2）：AI 原生应用新阶段、Agentic 应用参考架构
• 构建（3–6）：Harness 构建模式、任务编排与长程协作、Context/状态/可复用资产、受控执行与验证（Function Calling、MCP、A2A、HITL）
• 运行时（7–12）：Agent Runtime 与沙箱、状态存储、AI 网关与统一流量治理、异步任务、多智能体协同、分布式通信
• 治理（13–16）：可观测性、安全（prompt 注入、逐动作校验、数据外泄控制）、AI 资产发现与管理、行为生成与质量验证
• 优化（17–24）：模型调优、Trajectory 数据、Golden 数据集、坏 case 改进、受控自进化、边缘运行时
• 实战（25–29）：20 个企业案例——内核补丁测试（ABACI/PatchPilot）、PolarDB-X 告警自愈、吉利/塔斯汀智能运维、B 站内容洞察、MiniMax 长程记忆
• Jev 专题：结构化决策（含 HiRoute 智能模型路由）
• 结论（30）：从 Agentic 应用到 Agentic OS

正好补上清单里点的缺口

10-16 小沐评价里点的 5 个缺口，这本直接补上 3 个半：

• 安全（13–16 章·治理）：prompt 注入、逐动作校验、数据外泄控制
• 可观测性（13 章）：tracing/日志、行为质量验证
• Human-in-the-loop（6 章·构建）：受控执行与验证（Function Calling、MCP、A2A、HITL）
• Router/调度（Jev 专题）：HiRoute 智能模型路由——kafkaup 那篇的理论版
• 仍缺：Prompt Engineering 仍无专门章节

建议阅读顺序

实战案例（25–29，有体感）→ 构建（3–6，动手用得上）→ 治理（13–16，企业版必备）→ 优化（17–24，进阶）

跟你的咬合

• 职业：README 明确目标读者含”架构师和平台工程师”（架构/运行时/治理）、”技术管理者”（架构/治理/实战）——就是 AI Solutions Architect 的知识地图
• thinktank：Harness 构建模式、Trajectory→Golden 数据集飞轮可直接借鉴（judge 评测、eval harness）
• open-memex：AI 网关、agent 可观测性、安全治理是企业版必备件
• 20 个企业案例是面试弹药；PolarDB-X 告警自愈等”最后一公里”案例与 FDE-Gym 结论互相印证

---

补：龙井《2小时从零看懂AI》（2026-10-17 补）

原文：https://x.com/long_jingai/status/2111356255889723723（X Article，约2.5万字） 详解：《2小时从零看懂AI》总结 一句话：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。

四部分要点

1. 大模型通识：”超级图书管理员”原理解释LLM（预测下一个token、不懂装懂）；AI软件=大模型（心）+产品界面（皮）；三种优化方式（提示词/微调/RAG）；选模型框架+自建测试用例
2. 提示词工程（⭐最有价值）：公式=清晰指令+必要上下文；”提示词工程已死”是伪命题（被普及+形态进化）；六技巧 Task/Context/Examples/Persona/Format/Tone；核心方法论”升维提问，逐级降维”；”先出60分再迭代”
3. Agent入门：定义=自主规划+调工具+执行；三维度评估（厂商/产品形态/任务类型）；”工具决定能做什么，大脑决定做得多好”；学习路径：说清需求→GUI agent实战→按需深入
4. Agent实操：WorkBuddy上手（工作区/完全访问权限/选模型）+ 宠物猫烘焙粮市场调研完整案例

关键意义

• prompt工程缺口清零：10-16点的5个缺口全部补完（安全/可观测性/HITL/router/prompt工程）
• 方法论互文：”60分先出再迭代”=surgical-edits+breakpoint-feedback；”升维提问”=think-before-code实操版；”真实任务实测”=run-dont-read
• 企业内训框架可直接借鉴（以后给团队/客户讲AI用）