程序员转型 AI 工程师的全栈知识手册

💡 为什么做这个项目

大模型时代已经到来，越来越多的程序员希望转型 AI 方向，但面临几个痛点：

• 知识碎片化：不知道从哪学起，找不到系统的学习路径。
• 理论和实战脱节：看了很多论文但不会落地，缺少工程化实践。
• 面试无从准备：不知道 AI 岗位考什么，缺少体系化的备战资料。

这个仓库就是为了解决这些问题 —— 一份持续更新的 AI 工程师成长手册，系统梳理 AI 基础、LLM、RAG、Agent 等核心知识，助你从入门到转型 AI 工程师。

🧭 入门导航

刚接触 AI？从这里开始，快速建立全局认知。

主题	说明	状态
程序员如何成长为 AI 工程师	AI 工程师定位、学习路线与技术栈全景	✅
AI 学习资料推荐	精选书单、课程、博客与开源项目	🔲
AI 常见名词速查表	RAG、Agent、MCP、Skills、CLI 等核心术语一网打尽	🔲

📖 体系教学

按方向系统学习，每个方向从基础到进阶完整覆盖。

RAG 系列 · 从零构建检索增强生成系统

章节	关键内容	状态
第一部分：大模型基础
01、大模型到底是什么？核心概念讲透	Token、参数量、温度等核心术语全解析	✅
02、手把手调用大模型 API 全流程	Chat Completions 协议，流式与非流式实现	✅
03、好 Prompt vs 烂 Prompt 写法对比	对比差异写法，让模型精准基于内容作答	✅
第二部分：RAG 核心链路
04、一张图看懂 RAG 全链路架构	全链路架构总览与企业实战项目背景	✅
05、文档解析没你想的那么简单	Apache Tika 解析 PDF、扫描件等多格式	✅
06、Chunk 分块策略决定检索质量	上下文窗口限制下的分块与精度优化	✅
07、别忽视元数据：答案要能追根溯源	为 Chunk 附加来源、权限等追溯信息	✅
08、Embedding 如何跨越语义鸿沟	语义向量化原理，解决同义词匹配不到的痛点	✅
第三部分：向量检索与生成
09、向量数据库：原理讲透再做选型	核心原理与 Milvus、Qdrant 等产品对比	✅
10、用 Milvus 构建向量检索实战	从建库、写入到语义检索完整流程	✅
11、混合检索 + 重排序提升召回率	向量 + 关键词混合检索与 Reranking 策略	✅
12、大模型总爱编答案？幻觉抑制攻略	Prompt 设计与生成控制，防止知识覆盖	✅
第四部分：工具调用与 MCP 协议
13、Function Call 让模型从聊天到干活	从查知识库扩展到调接口、查实时数据	✅
14、MCP 协议：AI 世界的 USB 接口	解决工具规模化管理，标准化注册调用	✅
15、MCP 的 Resources 与 Prompts 详解	只读数据源与 Prompt 模板复用机制	✅
16、JSON-RPC 2.0：MCP 的通信底座	MCP 中消息封装规范与结构说明	✅
17、MCP 为什么不用 HTTP 或 gRPC？	三种协议定位差异与选型理由对比	✅
18、MCP Java SDK 源码深度拆解	工具发现、路由与 Schema 生成机制	✅
19、工具调用架构：从能用到好用	职责划分、描述规范与错误处理原则	✅
20、工具调用上线翻车？四层防护兜底	超时重试、熔断降级、权限与可观测性	✅
第五部分：高级检索与对话
21、多轮对话为什么会失忆？记忆设计	对话历史注入 messages 解决上下文丢失	✅
22、用户问得模糊？查询重写来兜底	模糊追问扩展为完整检索语句	✅
23、意图识别：消息进来该走哪条路	闲聊、检索、工具调用、反问四路分发	✅
24、RAG 效果评估：别靠感觉用数据	量化指标替代主观判断与回归检测	✅
第六部分：流式通信
25、SSE：大模型为什么都用它做流式	单向推送规范、生命周期与异常处理	✅
26、Spring Boot + SSE 流式接口实战	手写全链路流式转发服务端实现	✅

Agent 系列 · 从 RAG 到自主智能体

章节	关键内容	状态
第一部分：从 RAG 到 Agent
01、RAG 和 Agent 的边界到底在哪？	被动检索与主动决策的区别，理解 Agent 循环价值	✅
02、Agent 架构全景：大脑、工具、记忆与规划	LLM、工具、记忆、规划四要素协作机制	✅
03、比特严选智能体：从蓝图开始设计	电商客服场景拆解、任务分级与 MVP 范围	✅
第二部分：ReAct 核心
04、ReAct 是什么？推理与行动交替运转	Thought、Action、Observation 三元组与完整轨迹	✅
05、用纯 Java 手写最小 ReAct Agent	OkHttp 调用大模型，串起工具注册表和主循环	✅
06、工具定义别靠猜：用 JSON Schema 约束入参	结构化描述工具参数，提升调用稳定性	✅
07、Prompt 是 Agent 的灵魂：ReAct 提示词设计	结构化提示词、Few-shot 示例与负面约束	✅
08、使用 OpenAI Function Calling 原生工具	模型直接返回结构化数据，替代文本解析	✅
09、多维度终止控制：让 Agent 运行更安全	四道防线解决死循环、空转与 Token 超预算	✅
第三部分：记忆与上下文
10、Agent 为什么需要记忆？	多轮对话上下文丢失问题与记忆机制引入	✅
11、记忆管理三板斧：窗口、摘要与混合策略	滑动窗口、摘要压缩、混合策略控制记忆预算	✅
12、会话记忆持久化：用数据库存住每一轮对话	用户与会话隔离，记忆重启不丢、多实例共享	✅
13、长期记忆：让 Agent 跨会话认识用户	用户画像、交互记录与相关性检索注入	✅
14、上下文工程：每一个 Token 都花在刀刃上	预算分配、工具裁剪与 Observation 折叠	✅
第四部分：规划与编排
15、Plan-and-Execute：先规划再执行	复杂任务拆解、动态重规划与模式路由	✅
16、Skill 是什么？从规范到框架实现	SKILL.md 标准、渐进式披露与主流框架模式	✅
17、用 TinyAgent 从零实现 Skill 机制	技能解析、工具隔离与动态注入完整实现	✅
18、跨品类编排：对比、搭配与售后一起跑	Tool、Skill 与 Plan-and-Execute 组合编排实战	✅
19、Reflection：让 Agent 学会自我纠错	三级反思结论与重试、重规划错误恢复机制	✅
20、RAG 作为 Tool：让 Agent 自主决定何时检索	pgvector 向量检索、知识导入与三道工具决策防线	✅
第五部分：多智能体
21、多智能体架构全景：从单体到专家团队	Agent 四要素、协作范式与任务驱动的架构选型	✅
22、手写主从式多智能体：主 Agent 编排子 Agent	SpecialistAgent、子 Agent 即工具与 LLM Supervisor 编排	✅
23、主从式的上下文与通信：消除上下文割裂	AgenticScope、MessageHub、结果聚合与依赖 Handoff	✅

💼 AI Agent 面试题库

精选 AI Agent 领域高频面试题，覆盖 Agent、RAG、LLM、MCP 等核心方向，数据来源于牛客、小红书、脉脉等多平台。

模块	说明	状态
Top50 必刷题	按出现频次×难度加权排序的 50 道高频核心题	✅
按分类浏览	Agent / RAG / Prompt / MCP 等分类维度	🔲
按公司浏览	字节、阿里、腾讯、百度等公司维度	🔲
趋势洞察	各分类题目数量分布与趋势变化	🔲

📁 项目结构

awesome-ai-handbook/
├── docs/
│   ├── agent/                                    # 🤖 Agent 体系教学
│   │   ├── from-rag-to-agent/                    #     从 RAG 到 Agent
│   │   ├── react-core/                           #     ReAct 核心
│   │   ├── memory-and-context/                   #     记忆与上下文
│   │   ├── planning-and-orchestration/           #     规划与编排
│   │   └── multi-agent/                          #     多智能体
│   ├── growth/                                   # 🧭 成长路径
│   ├── interview/                                # 💼 AI Agent 面试题库
│   └── rag/                                      # 📖 RAG 体系教学
│       ├── llm-basics/                           #     大模型基础
│       ├── rag-core/                             #     RAG 核心链路
│       ├── vector-search-and-generation/         #     向量检索与生成
│       ├── tool-calling-and-mcp/                 #     工具调用与 MCP 协议
│       ├── advanced-retrieval-and-conversation/  #     高级检索与对话
│       └── streaming/                            #     流式通信
├── assets/                                       # 图片等资源
├── LICENSE
└── README.md

🤝 贡献

AI HandBook 开源小册仍在持续更新之中，欢迎您参与本项目，一同为读者提供更优质的学习内容。

• 📌内容修正：请您协助修正或在评论区指出语法错误、内容缺失、文字歧义、无效链接或代码 bug 等问题。
• 📝补充新内容：期待您贡献 RAG、Agent、LLM 等方向的原创教程或实践总结。
• 🔗推荐优质资源：欢迎推荐高质量的书单、课程、博客与开源项目。

欢迎您提出宝贵意见和建议，如有任何问题请提交 Issues。

感谢以下各位为此作出贡献的伙伴：

⭐ Star History

如果觉得有帮助，请点个 Star 支持一下！

📜 License

该项目遵循的是 Apache 2.0 许可协议——详情请参阅 LICENSE 文件。

🔔 持续更新中，建议 Star + Watch 追踪最新内容！