[总结] AI Agent工程师

文章目录

• 基础
• • [Prompt Engineer](#Prompt Engineer)
  • [LLMs 调用](#LLMs 调用)
  • 流式输出
  • [Tool Use](#Tool Use)
  • 上下文管理(记忆)、持久化
  • LLM基础
• 进阶
• • MCP
  • RAG
  • 向量数据库
  • • Query优化
    • 检索优化
    • 生成优化
  • Agent架构
  • • ReAct模式
    • Plan-and-Execute模式（适合复杂任务）
    • Multi-Agent协作（最复杂）
  • LangGraph深度
  • Memory系统
  • 生产化工程
  • • 可观测性
    • 成本优化
    • 安全性
    • 性能优化
• 实战项目
• 参考

基础

Prompt Engineer

LLMs 调用

流式输出

Tool Use

上下文管理(记忆)、持久化

LLM基础

进阶

MCP

RAG

向量数据库

Query优化

检索优化

生成优化

Agent架构

ReAct模式

Plan-and-Execute模式（适合复杂任务）

Multi-Agent协作（最复杂）

LangGraph深度

Memory系统

生产化工程

可观测性

成本优化

安全性

性能优化

实战项目

1. 智能文档问答系统•技术栈：
   • LangChain + Milvus + GPT-4•
   • 学习重点：RAG pipeline设计
2. 自动化代码审查Agent•技术栈：
   • LangGraph + GitHub API + GPT-4
   • 学习重点：Tool使用、结构化输出
3. Multi-Agent协作系统•技术栈：
   • LangGraph + Custom Tools•
   • 学习重点：Agent编排、通信协议

参考

知乎 AI玩家日志 回答