如何使用这个知识库

Way To Agent 不是一本必须从头读到尾的教材。更合适的使用方式，是先明确自己现在想解决什么问题，再沿着对应路径往下读。

如果你只是按目录顺序一篇篇翻，很容易出现一个问题：每篇文章都看懂了，但合在一起仍然不知道怎么构建一个 Agent 系统。因为 Agent 不是某个单点知识，而是模型、知识、工具、状态、评估和工程约束组合出来的系统能力。

先选一个入口

如果你还不确定 Agent 到底是什么，可以先读导学和 Agent 基础：

00-guide/002-what-is-ai-agent.md
06-agent/001-what-is-agent.md

这条路径先帮你区分 Chatbot、AI 工作流、RAG 和 Agent，避免一开始就被工具名带偏。

如果你想先做一个知识库问答系统，可以从模型调用、Prompt、RAG 和检索开始：

02-llm-basic/001-llm-basic-concepts.md
03-prompt-engineering/001-what-is-prompt-engineering.md
04-rag/001-what-is-rag.md
05-retrieval/001-search-basic.md

这条路径更接近多数 AI 应用的第一站：先让模型能基于可靠知识回答问题。

如果你已经做过一些 AI 应用，想理解如何工程化落地，可以从日志、成本、评估和后端架构开始：

09-ai-agent-engineering/001-ai-engineering-overview.md
10-backend-for-ai-agent/002-java-ai-architecture.md

这条路径会更早进入生产系统里的麻烦：权限、额度、调用日志、流式响应、失败降级和可观测性。

不要把目录当成唯一顺序

知识库的目录是为了组织内容，不是为了规定唯一学习路线。

更实用的读法是带着问题跳转。例如你读 RAG 时发现召回效果不好，就应该去看检索和 Rerank；你读 Agent 时发现工具调用不稳定，就应该回到结构化输出、Tool Design 和评估。

这比“今天必须读完某个目录”更接近真实学习过程。

每篇文章重点看三个问题

读每篇文章时，可以主动问自己：

它在 Agent 系统里解决什么问题？
它引入了什么新风险？
它和前后能力如何连接？

如果一篇文章只是让你记住了术语，但没有帮你回答这三个问题，就说明还需要回头重读或结合实践验证。

一句话先记住

使用这个知识库，不是为了收集概念，而是为了逐步建立 Agent 系统的判断力。

继续阅读

• 00-guide/004-ai-agent-application-skill-map.md
• 00-guide/005-learning-path-30-days.md
• 01-ai-agent-application-foundation/001-what-is-ai-agent-application.md