---
title: 大模型与 Agent 学习路线
url: https://doc.liz6.com/ai/00-learning-path
locale: zh
area: ai
tags:
- LLM
- Agent
- 大模型与 Agent
date: 2026-09-09
modified: 2026-09-09
description: 先学模型怎样生成与消耗资源，再建立一次请求的输入、输出和证据契约，然后组成可恢复的 Agent，最后验证完整系统。本文面向已有基础编程经验的读者；矩阵与概率算例会在正文解释，部署笔记另见 Homelab。
---

# 大模型与 Agent 学习路线

先学模型怎样生成与消耗资源，再建立一次请求的输入、输出和证据契约，然后组成可恢复的 Agent，最后验证完整系统。本文面向已有基础编程经验的读者；矩阵与概率算例会在正文解释，部署笔记另见 Homelab。

## 模型基础

1. [Token、概率与采样](/ai/01-model-foundations/01-tokens-and-sampling)
2. [注意力、前馈网络与 MoE](/ai/01-model-foundations/02-attention-and-moe)
3. [推理阶段、KV cache 与显存](/ai/01-model-foundations/03-inference-and-kv-cache)
4. [推理计算、候选与验证](/ai/01-model-foundations/04-reasoning-and-verification)

## 单次请求与证据

5. [提示与输出契约](/ai/02-context-and-interfaces/01-prompt-and-output-contracts)
6. [上下文工程](/ai/02-context-and-interfaces/02-context-engineering)
7. [检索、RAG 与证据链](/ai/02-context-and-interfaces/03-retrieval-and-evidence)

## Agent 执行系统

8. [Agent 循环与执行器](/ai/03-agent-systems/01-agent-loop)
9. [工具接口与 MCP](/ai/03-agent-systems/02-tools-and-mcp)
10. [Skills 与任务方法复用](/ai/03-agent-systems/03-skills-and-task-context)
11. [记忆、状态与故障恢复](/ai/03-agent-systems/04-memory-and-recovery)
12. [权限、信任与工具边界](/ai/03-agent-systems/05-authority-and-tool-boundaries)
13. [多 Agent 编排与结果合并](/ai/03-agent-systems/06-multi-agent-orchestration)

## 评估与生产

14. [评估、试次与可观测](/ai/04-evaluation-and-production/01-evaluation-and-observability)
15. [成本、容量与可靠性](/ai/04-evaluation-and-production/02-cost-performance-and-reliability)
16. [发布验收、灰度与恢复](/ai/04-evaluation-and-production/03-release-and-recovery)

## 怎样使用这条路线

想先做应用，可以从提示与输出契约开始，遇到采样或显存问题时回读模型基础。准备接入工具时先完成单次请求验证；准备多 Agent 时先检查单 Agent 基线、状态恢复和权限。评估篇可提前作为各阶段的验收参考。

交互用于解释可计算的机制与失败边界，静态图用于总览和稳定结构。先预测改变参数或操作顺序的结果，再操作验证，最后回到公式和代码检查原因。无需下载模型即可使用文内交互；它们不代表真实服务的性能测试。