核心技能
Python编程基础
掌握Python语法、数据结构、面向对象、异常处理、装饰器等，作为所有AI后端开发的基础语言
建议预留 300 分钟
学习目标
- 掌握Python核心语法与内置数据结构
- 掌握函数作用域、面向对象与装饰器
- 掌握异常处理与常用标准库
关键概念
- 变量与数据类型
- 函数与作用域
- 类与继承
- 装饰器
- 异常处理
- 推导式
为什么学习
- Python是目标岗位的核心工作语言，零基础者必须达到熟练书写各类语法与面向对象代码的能力，作为整条路径的地基
如何检验理解
- 能独立编写含类、装饰器、异常处理与列表推导的完整脚本并在本地运行验证
核心技能
FastAPI路由与请求处理
熟练用FastAPI构建RESTful API，掌握路由、请求校验、错误处理与Pydantic模型
建议预留 120 分钟
学习目标
- 掌握路由与路径参数定义
- 掌握Pydantic模型校验
- 掌握异常与错误处理规范
关键概念
- 路径与查询参数
- Pydantic模型
- 状态码
- 异常处理
- 上传与请求体
为什么学习
- FastAPI是目标岗位的主流Web框架，需能在真实项目中按常见模式搭建标准REST接口
如何检验理解
- 能独立用FastAPI+Pydantic完成含校验与错误处理的CRUD接口并本地启动验证
核心技能
Python异步编程与并发
掌握asyncio、协程与并发任务管理，应对LLM调用高延迟与并行请求场景
建议预留 120 分钟
学习目标
- 掌握async/await与协程机制
- 学会用asyncio.gather并发调度任务
- 掌握用信号量限制并发防止资源耗尽
关键概念
- async/await
- 协程
- asyncio.gather
- 事件循环
- Semaphore限流
为什么学习
- LLM调用高延迟，需用异步并发提升吞吐；零基础阶段只需正确书写async/await与并发控制即可
如何检验理解
- 能用asyncio实现并发LLM请求批处理并控制并发上限
核心技能
数据库建模与持久化（PostgreSQL）
掌握PostgreSQL的CRUD、事务、索引优化，理解Agent应用数据持久化设计
建议预留 150 分钟
学习目标
- 掌握SQL与ORM基本CRUD
- 理解事务与索引优化
- 掌握会话与工具记录的数据建模
关键概念
- SQL/ORM
- 事务ACID
- 索引
- SQLAlchemy
- 外键关联
为什么学习
- Agent会话、用户、工具结果等均需数据库持久化，是后端服务的必备工程能力
如何检验理解
- 能设计用户与会话表并实现带事务的读写操作
核心技能
FastAPI依赖注入与异步端点
掌握FastAPI依赖注入机制与异步端点设计，理解请求生命周期与后台任务
建议预留 120 分钟
学习目标
- 掌握FastAPI依赖注入机制
- 理解async端点与协程的编排
- 掌握后台任务与共享依赖复用
关键概念
- Depends
- 依赖缓存
- async端点
- 后台任务BackgroundTasks
- 可复用模块
为什么学习
- 依赖注入与异步端点是构建可维护、可测试AI服务的关键，需理解其生命周期以正确编排LLM调用
如何检验理解
- 能设计带依赖注入的数据库会话与鉴权模块并解释其生命周期
核心技能
LLM API集成与调用
掌握OpenAI/Claude等大模型API调用，理解token管理、上下文窗口与模型参数调优
建议预留 120 分钟
学习目标
- 掌握OpenAI/Claude SDK调用
- 理解token计费与上下文窗口
- 掌握温度等模型参数对输出的影响
关键概念
- ChatCompletion
- system/user/assistant消息
- token
- temperature/max_tokens
- 超时与重试
为什么学习
- LLM调用是Agent后端的数据核心，需熟练掌握官方SDK的调用、参数与token核算
如何检验理解
- 能封装统一LLM调用函数并正确设置temperature与上下文窗口
核心技能
认证与授权（JWT/RBAC）
实现用户认证、角色权限控制与会话级用户隔离
建议预留 90 分钟
学习目标
- 掌握JWT签发与校验
- 掌握RBAC角色权限模型
- 掌握会话级数据隔离
关键概念
- JWT
- Bearer Token
- RBAC
- 依赖注入鉴权
- 会话隔离
为什么学习
- 多租户AI服务必须做用户隔离与鉴权，是后端上生产环境的必备能力
如何检验理解
- 能实现JWT登录与基于角色的接口访问控制
补充知识
API文档与规范（OpenAPI/Swagger）
用FastAPI自带OpenAPI生成接口文档，掌握错误处理规范与版本管理
建议预留 60 分钟
学习目标
- 掌握OpenAPI文档自动生成
- 掌握统一错误响应规范
- 理解接口版本策略
关键概念
- OpenAPI
- Swagger UI
- 响应模型
- 错误码规范
- API版本
为什么学习
- 良好API文档是工程化加分项，FastAPI自动生成使投入成本低，属于锦上添花的推荐能力
如何检验理解
- 能依托FastAPI自动文档整理一套规范、带版本与错误约定的接口说明
核心技能
Prompt Engineering
掌握System prompt设计、few-shot、思维链CoT、结构化输出引导等技巧优化模型输出质量
建议预留 120 分钟
学习目标
- 掌握System prompt设计原则
- 掌握few-shot与思维链CoT
- 掌握JSON结构化输出引导与解析
关键概念
- System Prompt
- Few-shot示例
- Chain-of-Thought
- 角色设定
- 输出格式约束
为什么学习
- Prompt质量直接决定Agent输出效果，是能针对不同业务任务自主优化输出的核心本领
如何检验理解
- 能为新任务设计含few-shot与结构化输出的prompt并实测优化结果
核心技能
LangChain核心抽象
掌握LangChain的chain、prompt模板、记忆等核心抽象，构建LLM调用管线
建议预留 150 分钟
学习目标
- 掌握PromptTemplate与ChatModel抽象
- 掌握Runnable串联与链式调用
- 掌握不同记忆策略
关键概念
- PromptTemplate
- Runnable
- Chain
- Memory
- Output Parser
为什么学习
- LangChain是行业主流Agent编排框架，需熟练使用其核心抽象组装LLM任务管线
如何检验理解
- 能用LangChain组装含prompt模板与记忆的chain并实际运行
补充知识
任务队列与限流配额（Celery/Redis）
用Celery/Redis处理长耗时LLM任务与定时任务，Rate Limiter限流监控token用量
建议预留 120 分钟
学习目标
- 理解消息队列解决的长任务场景
- 了解Celery任务定义与调度
- 理解限流与配额的基本实现
关键概念
- Celery
- Redis
- 任务队列
- Rate Limiter
- token配额
为什么学习
- 消息队列与并发限流在能力地图中是入门级推荐，零基础阶段了解架构与场景即可，避免投入过多
如何检验理解
- 能说明Celery适用场景并用Redis实现简单限流计数
核心技能
Agent核心循环（ReAct）
理解Agent思考-行动-观察循环，状态机驱动的多步推理机制
建议预留 150 分钟
学习目标
- 理解ReAct推理范式
- 理解Agent状态与终止条件
- 设计Agent执行主循环
关键概念
- ReAct范式
- Thought/Action/Observation
- State Machine
- 终止条件
- 自我修正
为什么学习
- 理解ReAct循环与状态管理是设计可自愈、多步推理Agent的基石，需能说明每个环节的状态转换
如何检验理解
- 能解释Agent思考-行动-观察的状态流转并实现一个多步推理循环
核心技能
工具/函数调用（Tool Calling）
向LLM注册可执行工具，解析结构化调用并执行返回结果
建议预留 150 分钟
学习目标
- 掌握Tool定义与Function Calling机制
- 掌握结构化参数解析与校验
- 掌握工具执行结果的回填
关键概念
- Tool/Function Calling
- 工具schema
- 参数解析
- tools结果注入
- 失败重试
为什么学习
- 工具调用是Agent执行实际操作的通道，求职面试常考，需掌握注册、解析与结果回填流程
如何检验理解
- 能让Agent根据用户意图调用真实工具并回填结果继续推理
核心技能
SSE流式响应输出
用FastAPI StreamingResponse将LLM token流式推送给前端实现打字机效果
建议预留 90 分钟
学习目标
- 理解SSE协议与EventStream
- 掌握FastAPI StreamingResponse实现
- 掌握流式token的异步消费
关键概念
- Server-Sent Events
- StreamingResponse
- token流
- 异步生成器
- 断连处理
为什么学习
- 流式输出是AI应用标配体验，需掌握SSE协议与FastAPI流式端点的实现与测试
如何检验理解
- 能实现一个SSE流式聊天端点并经前端验证打字机效果
核心技能
会话与记忆持久化
设计Conversation/Memory数据模型并用数据库持久化多轮对话上下文
建议预留 120 分钟
学习目标
- 设计会话数据模型
- 掌握短期与长期记忆策略
- 实现上下文恢复与截断
关键概念
- Conversation模型
- 记忆持久化
- 上下文窗口截断
- 会话隔离
- 历史消息检索
为什么学习
- 多轮对话状态保存是Agent后端核心，需能设计并落库会话与记忆数据
如何检验理解
- 能设计会话表并实现跨请求恢复多轮对话上下文的接口
核心技能
Agent服务测试策略
用pytest编写单元/集成测试，Mock LLM响应进行确定性测试
建议预留 120 分钟
学习目标
- 掌握pytest单元测试基础
- 掌握Mock LLM响应的确定性测试
- 掌握Agent流程回归测试
关键概念
- pytest
- Mock/依赖替换
- LLM响应stub
- fixture
- 回归测试
为什么学习
- Mock LLM做确定性测试是AGI后端工程化的标志性能力，能显著提升代码可靠性与简历竞争力
如何检验理解
- 能为LLM调用与Agent流程编写Mock响应的pytest用例并覆盖关键路径
补充知识
多Agent编排（LangGraph）
用LangGraph编排多Agent协作、条件分支与状态传递
建议预留 120 分钟
学习目标
- 理解LangGraph状态图模型
- 理解多Agent协作与消息传递
- 理解条件分支与并行执行
关键概念
- LangGraph StateGraph
- 节点与边
- 条件分支
- 多Agent消息传递
- 子图
为什么学习
- 多Agent编排是进阶推荐能力而非岗位硬门槛，零基础阶段达到能认识流程图与基本概念即可，避免精力过度分散
如何检验理解
- 能读懂LangGraph的Agent协作流程并说明节点分支逻辑
核心技能
向量数据库与Embedding
集成Chroma/PGVector/Pinecone等向量库存储与检索嵌入向量
建议预留 120 分钟
学习目标
- 理解Embedding原理与生成
- 掌握向量库插入与索引
- 掌握相似度检索与元数据过滤
关键概念
- Embedding模型
- 相似度度量
- 向量索引
- 元数据过滤
- Chroma/PGVector
为什么学习
- 向量检索是RAG的底座，需掌握嵌入生成、写入与相似度查询及元数据过滤
如何检验理解
- 能将文档Embedding写入向量库并执行带元数据过滤的相似度查询
核心技能
输入校验与Prompt安全
校验用户输入、防范Prompt注入、越权工具调用与敏感信息泄漏
建议预留 90 分钟
学习目标
- 理解Prompt注入攻击原理
- 掌握输入校验与白名单策略
- 掌握工具调用权限边界控制
关键概念
- Prompt注入
- 输入清洗
- 隔离指令
- 工具权限白名单
- 敏感信息过滤
为什么学习
- AI服务的安全边界与传统后端不同，需理解Prompt注入与越权工具调用风险并采取缓解手段
如何检验理解
- 能识别并缓解Prompt注入风险并在工具调用上做权限白名单
核心技能
RAG检索增强生成
实现文档加载、切分、嵌入、检索并注入上下文的完整RAG流程，提升Agent回答准确性
建议预留 150 分钟
学习目标
- 掌握文档解析与切分策略
- 掌握检索与上下文拼装
- 掌握重排序与检索质量调优
关键概念
- 文档拆分
- 分块策略
- 检索召回
- 上下文注入
- 重排序Rerank
为什么学习
- RAG是岗位最核心的变现能力，需能针对具体业务独立设计与调优完整检索链路
如何检验理解
- 能独立搭建知识库RAG问答链路并针对检索质量做切分与重排优化
核心技能
Docker容器化
掌握Docker镜像构建、docker-compose，将AI应用打包并一键部署
建议预留 120 分钟
学习目标
- 掌握Dockerfile与镜像构建
- 掌握docker-compose编排多服务
- 掌握环境变量与配置管理
关键概念
- Dockerfile
- 镜像/容器
- docker-compose
- 健康检查
- 环境变量
为什么学习
- 容器化部署是后端岗位硬性工程技能，能独立打包含数据库与向量库的服务是求职必备
如何检验理解
- 能编写Dockerfile与docker-compose把Agent服务及依赖一键启动
补充知识
CI/CD与云部署
理解Git工作流、自动化测试、CI/CD，部署到云平台的基础流程
建议预留 90 分钟
学习目标
- 理解Git工作流与版本管理
- 理解CI/CD流水线概念
- 了解云平台部署基本流程
关键概念
- Git分支策略
- Pipeline
- 自动化测试
- 云平台部署
- 环境配置
为什么学习
- CI/CD在能力地图中是入门级推荐，掌握基本流程与概念即可覆盖求职对话，无需深入自建复杂流水线
如何检验理解
- 能说明Git分支策略并配置一条简单的自动化构建部署流程
核心技能
工程化与项目实战（Capstone）
整合全部能力构建可展示的AI Agent项目（知识库问答/AI客服），准备技术方案讲解
建议预留 480 分钟
学习目标
- 将所学整合为可展示的完整项目
- 掌握模块化、命名与文档等工程规范
- 准备项目技术方案的讲解与答辩
关键概念
- 端到端架构
- 模块化设计
- 项目文档
- 技术答辩
- 代码可维护性
为什么学习
- 项目作品是求职展示学习成果的最终载体，需把Agent、RAG、安全、测试、部署整合为一个可演示的完整工程
如何检验理解
- 能交付一个含RAG对话、鉴权、流式、测试与容器化部署的可运行Agent项目并完成技术答辩
前置关系与知识联系
- LangChain核心抽象 → 会话与记忆持久化
- Python异步编程与并发 → 任务队列与限流配额（Celery/Redis）
- RAG检索增强生成 → Docker容器化
- CI/CD与云部署 → 工程化与项目实战（Capstone）
- 会话与记忆持久化 → 向量数据库与Embedding
- LLM API集成与调用 → Prompt Engineering
- Python编程基础 → FastAPI路由与请求处理
- Agent核心循环（ReAct） → SSE流式响应输出
- FastAPI依赖注入与异步端点 → 认证与授权（JWT/RBAC）
- Agent核心循环（ReAct） → 工具/函数调用（Tool Calling）
- 输入校验与Prompt安全 → 工程化与项目实战（Capstone）
- 工具/函数调用（Tool Calling） → 多Agent编排（LangGraph）
- Agent服务测试策略 → 工程化与项目实战（Capstone）
- 认证与授权（JWT/RBAC） → 输入校验与Prompt安全
- RAG检索增强生成 → 工程化与项目实战（Capstone）
- Python编程基础 → Python异步编程与并发
- LangChain核心抽象 → Agent核心循环（ReAct）
- LLM API集成与调用 → LangChain核心抽象
- Agent核心循环（ReAct） → Agent服务测试策略
- FastAPI依赖注入与异步端点 → SSE流式响应输出
- 认证与授权（JWT/RBAC） → 任务队列与限流配额（Celery/Redis）
- Docker容器化 → CI/CD与云部署
- FastAPI路由与请求处理 → 数据库建模与持久化（PostgreSQL）
- FastAPI路由与请求处理 → FastAPI依赖注入与异步端点
- FastAPI依赖注入与异步端点 → API文档与规范（OpenAPI/Swagger）
- 工具/函数调用（Tool Calling） → 输入校验与Prompt安全
- Agent核心循环（ReAct） → 会话与记忆持久化
- Python编程基础 → 数据库建模与持久化（PostgreSQL）
- 数据库建模与持久化（PostgreSQL） → 会话与记忆持久化
- Python异步编程与并发 → FastAPI依赖注入与异步端点
- 向量数据库与Embedding → RAG检索增强生成
- FastAPI依赖注入与异步端点 → LLM API集成与调用
结合互动地图查看具体关系类型，再选择下一步。