MapFlow

PUBLIC LEARNING ROADMAP

Agent工作原理与计算机网络应用 学习技能树

由 Skill Tree Engine 确定性生成的只读快照

23 个知识节点 · intermediate

发布者:月社银

知识目录

基础概念

人工智能与LLM基础

了解AI、机器学习、深度学习基本概念和大语言模型工作原理,是整个学习路径的起点

建议预留 60 分钟

学习目标

  • 理解大语言模型工作原理
  • 建立agent认知的模型基础

关键概念

  • 大语言模型
  • 上下文窗口
  • token
  • 机器学习基础

为什么学习

  • 理解LLM如何生成文本、token与上下文机制,是理解agent行为和prompt设计的前提,但无需深入训练技术

如何检验理解

  • 能解释LLM生成文本的基本机制与上下文窗口含义
  • 能说出与传统规则程序在决策方式上的差异

基础概念

计算机网络概念与分类

复习网络定义、LAN/WAN/MAN分类及互联网与万维网区别,巩固两年前的网络基础

建议预留 30 分钟

学习目标

  • 唤起网络基础认知
  • 建立网络整体观

关键概念

  • 局域网
  • 广域网
  • 互联网
  • 万维网

为什么学习

  • 作为网络知识重拾的第一环,只需唤醒基本概念,为后续分层模型打好地基

如何检验理解

  • 能区分LAN/WAN/MAN及互联网与万维网
  • 能口头描述网络的基本组成

核心技能

Prompt工程与提示词设计

掌握提示词结构、Few-shot、CoT思维链等与大模型交互技巧,是驱动agent的核心技能

建议预留 60 分钟

学习目标

  • 掌握系统提示词设计
  • 应用思维链提升推理能力

关键概念

  • Few-shot
  • CoT思维链
  • 系统提示词
  • 上下文工程

为什么学习

  • agent的有效性高度依赖系统提示词与上下文设计,需能面向具体网络任务编写高质量prompt

如何检验理解

  • 能设计包含角色、任务、约束的系统提示词
  • 能应用Few-shot和CoT改进agent输出质量

基础概念

OSI七层参考模型

理解OSI七层及各层职责,建立分层网络架构思维,为agent理解网络任务打好基础

建议预留 60 分钟

学习目标

  • 掌握OSI分层职责
  • 建立分层排障思维

关键概念

  • 物理层到应用层
  • 各层协议
  • 分层职责

为什么学习

  • 分层模型是理解网络问题定位与协议封装的基础概念,帮助agent解读网络症状与排障输出

如何检验理解

  • 能说出各层职责与典型设备/协议
  • 能借助分层思想描述网络故障可能成因

核心技能

AI Agent概念与架构

理解Agent定义、与传统程序区别,掌握LLM+规划+记忆+工具的核心架构

建议预留 60 分钟

学习目标

  • 理解agent核心架构
  • 掌握agent执行循环

关键概念

  • LLM核心
  • 规划
  • 记忆
  • 工具调用

为什么学习

  • 这是路径的核心概念节点,必须透彻理解agent的四大组件及其循环执行机制

如何检验理解

  • 能画出LLM+规划+记忆+工具四组件架构图
  • 能说明agent与传统程序的关键差异

核心技能

TCP/IP四层协议栈及与OSI对应

掌握TCP/IP四层模型及与OSI对应关系,熟悉各层核心协议

建议预留 60 分钟

学习目标

  • 掌握TCP/IP分层
  • 熟悉主要协议族

关键概念

  • 应用层
  • 传输层
  • 网络层
  • 链路层
  • 协议栈

为什么学习

  • TCP/IP是实际网络运作的协议体系,agent处理网络任务时需能读懂协议层面的信息

如何检验理解

  • 能映射TCP/IP与OSI层次
  • 能列举各层典型协议及其作用

核心技能

Agent记忆系统与RAG

理解短期/长期记忆、向量检索与检索增强生成在agent记忆中的应用

建议预留 90 分钟

学习目标

  • 掌握RAG检索增强生成
  • 设计记忆与状态管理

关键概念

  • 向量数据库
  • RAG
  • 嵌入
  • 短期/长期记忆

为什么学习

  • 网络运维agent需注入设备配置/手册等知识,掌握RAG可让agent在真实场景中回答专业问题

如何检验理解

  • 能搭建简单RAG流程检索领域知识
  • 能设计agent短期/长期记忆策略

基础概念

数据封装与解封装

理解数据在各层间的封装/解封装过程、PDU概念

建议预留 45 分钟

学习目标

  • 掌握封装解封装过程
  • 理解PDU概念

关键概念

  • PDU
  • 报文
  • 数据报
  • 帧
  • 封装

为什么学习

  • 理解封装过程有助于agent解读抓包数据与诊断网络问题,属于理解性基础

如何检验理解

  • 能描述数据从上到下的封装过程
  • 能识别各层PDU名称

补充知识

UDP协议特点

理解UDP无连接、尽最大努力交付的特性及适用场景

建议预留 45 分钟

学习目标

  • 理解UDP特性
  • 区分UDP与TCP适用场景

关键概念

  • 无连接
  • 尽最大努力交付
  • 广播/组播

为什么学习

  • UDP相对TCP在agent网络应用中非核心,但理解其特性有助于区分协议选择,识记即可

如何检验理解

  • 能说出UDP与TCP关键差异
  • 能列举UDP典型适用场景

补充知识

DNS域名解析系统

理解DNS层次结构、域名解析过程与递归/迭代查询原理

建议预留 45 分钟

学习目标

  • 理解DNS解析过程
  • 掌握递归与迭代查询

关键概念

  • 域名层级
  • 递归查询
  • 迭代查询
  • 解析器

为什么学习

  • DNS是网络agent常涉及的服务,理解解析流程便于agent诊断域名相关故障

如何检验理解

  • 能描述域名解析完整过程
  • 能区分递归与迭代查询

核心技能

IP地址与子网划分

掌握IPv4/IPv6、子网掩码、CIDR及子网划分计算

建议预留 90 分钟

学习目标

  • 掌握IP地址结构
  • 熟练子网划分计算

关键概念

  • IPv4/IPv6
  • 子网掩码
  • CIDR
  • 网段

为什么学习

  • IP规划与子网判断是网络运维agent执行真实任务(寻址、连通性分析)所必须的能力

如何检验理解

  • 能进行子网划分与CIDR计算
  • 能判断IP所属网段与可用主机范围

核心技能

TCP协议与连接管理

掌握TCP可靠传输、流量控制、拥塞控制及三次握手/四次挥手

建议预留 90 分钟

学习目标

  • 理解TCP可靠传输机制
  • 掌握连接建立与断开

关键概念

  • 三次握手
  • 四次挥手
  • 拥塞控制
  • 流量控制

为什么学习

  • TCP是agent网络通信与排障的基础,需理解连接状态机以诊断连接故障

如何检验理解

  • 能解释三次握手与四次挥手过程
  • 能分析TCP连接相关故障

核心技能

网络设备与路由原理

掌握交换机、路由器、网关功能及静态/动态路由和路由表

建议预留 90 分钟

学习目标

  • 掌握常见网络设备功能
  • 理解路由决策原理

关键概念

  • 交换机
  • 路由器
  • 网关
  • 路由表
  • NAT

为什么学习

  • 网络运维agent必须理解设备与路由行为才能执行配置、诊断和自动化操作,从基础提升为核心

如何检验理解

  • 能描述路由选择与路由表工作
  • 能分析常见网络设备在故障中的作用

核心技能

HTTP/HTTPS协议

掌握HTTP请求响应模型、方法、状态码、Cookie/Session及HTTPS的TLS加密

建议预留 90 分钟

学习目标

  • 掌握HTTP请求响应模型
  • 理解HTTPS加密机制

关键概念

  • 请求方法
  • 状态码
  • Cookie/Session
  • TLS

为什么学习

  • agent调用HTTP/API接口的核心协议,也是网络agent处理Web任务与安全分析的基础

如何检验理解

  • 能构造正确HTTP请求并解读状态码
  • 能说明HTTPS的TLS握手加密过程

核心技能

Socket网络编程

掌握Socket编程模型、TCP/UDP客户端服务器通信与数据传输

建议预留 90 分钟

学习目标

  • 掌握Socket编程模型
  • 用Python实现网络通信

关键概念

  • 套接字
  • bind/listen/accept
  • TCP/UDP通信
  • Python socket库

为什么学习

  • 用Python实现socket通信是agent编写网络工具与脚本的编程基础,需落地到可运行代码

如何检验理解

  • 能用Python实现TCP/UDP客户端与服务器
  • 能处理连接管理与数据传输边界

核心技能

API与RESTful风格

理解API概念、REST架构风格、HTTP方法与资源操作、JSON交换格式

建议预留 60 分钟

学习目标

  • 理解REST架构风格
  • 熟练调用与解析API

关键概念

  • REST
  • HTTP方法
  • JSON
  • 资源操作

为什么学习

  • agent通过function calling调用RESTful API是核心交互方式,需熟练请求与解析

如何检验理解

  • 能设计并调用RESTful API
  • 能解析JSON响应并处理错误

核心技能

工具调用(Function Calling)

掌握让LLM调用外部工具/API的机制、函数定义与参数约束

建议预留 90 分钟

学习目标

  • 掌握函数schema定义
  • 实现工具调用闭环

关键概念

  • Function Calling
  • 工具schema
  • 参数约束
  • 结果回传

为什么学习

  • Function calling是agent操作网络工具实现落地计算的核心机制,是本路径关键能力

如何检验理解

  • 能定义LLM可调用的函数schema
  • 能实现agent执行工具返回结果回传LLM的闭环

核心技能

Agent规划与决策

掌握ReAct、Plan-and-Execute、任务分解等Agent自主规划决策模式

建议预留 90 分钟

学习目标

  • 掌握ReAct模式
  • 实现任务分解与规划

关键概念

  • ReAct
  • Plan-and-Execute
  • 任务分解
  • 工具循环

为什么学习

  • 规划决策是agent智能核心,需能在网络排障等多步任务中分解与编排执行步骤

如何检验理解

  • 能实现ReAct循环推理与行动
  • 能把复杂网络任务拆解为agent可执行子步骤

核心技能

网络工具链集成

将ping、traceroute、subprocess、scapy等网络工具封装为agent可调用函数

建议预留 90 分钟

学习目标

  • 封装网络命令为工具
  • 集成抓包与诊断能力

关键概念

  • subprocess
  • scapy
  • 网络诊断命令
  • 工具封装

为什么学习

  • 这是网络Agent落地关键——让LLM通过工具调用真实执行网络探测与诊断命令,属于新增的桥接能力

如何检验理解

  • 能封装ping/traceroute等为function供agent调用
  • 能用scapy采集并解析网络数据包

补充知识

多Agent协作与通信

掌握多Agent系统的协作模式、角色分工、消息传递与任务协调

建议预留 90 分钟

学习目标

  • 理解多Agent协作模式
  • 了解消息传递机制

关键概念

  • 角色分工
  • 消息传递
  • 任务协调
  • 多智能体

为什么学习

  • 多Agent协作是进阶方向,对单智能体网络应用非必需,了解协作模式即可

如何检验理解

  • 能描述多Agent角色分工模式
  • 能识别消息传递与协调机制

核心技能

Agent评测与安全

理解Agent评测指标、幻觉抑制、越狱防护、工具权限管控等安全议题

建议预留 90 分钟

学习目标

  • 掌握agent安全边界设计
  • 设计网络工具权限隔离

关键概念

  • 权限管控
  • 注入防护
  • 幻觉抑制
  • 评测指标

为什么学习

  • 网络agent有真实系统操作权限,安全边界与权限隔离至关重要,从补充升级为核心

如何检验理解

  • 能为agent网络工具设计权限管控
  • 能提出幻觉与注入防护措施

核心技能

Agent开发框架实践

使用LangChain、AutoGen等框架实现Agent的编排、链式调用与部署

建议预留 120 分钟

学习目标

  • 掌握LangChain等框架编排
  • 构建并运行完整agent

关键概念

  • LangChain
  • Agent编排
  • 链式调用
  • 部署

为什么学习

  • 掌握主流框架编排agent是落地大模型应用的核心工程能力,需能独立构建可运行agent

如何检验理解

  • 能用框架搭建带工具的agent
  • 能实现链式调用与本地部署运行

核心技能

网络智能体设计实战

综合运用所学,设计一个执行网络诊断、配置或运维自动化任务的完整agent项目

建议预留 180 分钟

学习目标

  • 构建完整网络智能体
  • 将网络知识转化为agent能力

关键概念

  • 网络排障闭环
  • 智能体集成
  • 端到端交付
  • 工程化部署

为什么学习

  • 作为收官里程碑,整合网络知识、agent架构与工具集成,输出一个真实的网络智能体成果

如何检验理解

  • 能交付一个自动排障/配置的网络agent原型
  • 能演示agent端到端完成网络任务的闭环并分析其决策

前置关系与知识联系

结合互动地图查看具体关系类型,再选择下一步。