跳到主要内容

AI 资料导航:官方文档与原始论文

按需要解决的问题选择资料。这里以官方文档、协议规范和原始论文为主;示例接口可能随版本变化,使用时核对实际服务或 SDK。资料核对日期:2026-11-18。

Agent 与工具​

想解决的问题原始资料站内配套
工作流与 Agent 怎样选择Anthropic:Building effective agentsAgent 开发
编排、分支、并行如何组织LangGraph Workflows and agents工作流与多 Agent
工具调用请求如何往返OpenAI Function Calling工具调用时序
格式约束与结构化结果OpenAI Structured Outputs · Claude Structured Outputs大模型应用
技能目录与元数据Agent Skills 规范Skills 编写
工具与资源的连接协议MCP 架构 · Python SDK v1MCP 实验
Agent 之间如何交互A2A 官方文档多 Agent 协作

上下文、知识与运行​

想解决的问题原始资料站内配套
怎样组织每轮可见的信息Anthropic:上下文工程提示词与上下文
任务状态如何跨中断恢复LangGraph Persistence · Interrupts记忆与检查点
关键词与向量如何融合Qdrant Hybrid Queries检索与重排
一次任务如何追踪Langfuse Observability评测与追踪
怎样在本地试用工具调用Ollama 工具调用Agent 循环实验
推理接口与服务能力vLLM Online Serving模型部署
提示注入如何进入系统OWASP LLM01安全边界

原始论文怎么读​

论文阅读重点不要直接推断
ReAct,2022推理与行动交错,读取环境反馈所有模型都应暴露内部完整推理
RAG,2020参数化知识与外部检索结合加了检索就没有幻觉
LoRA,2021低秩适配减少可训练参数少量低质量样本也能稳定改善模型
Graph of Thoughts,2023用图组织与组合求解过程任何多个 Agent 对话都等价于该方法

先读问题设定、方法假设和评价条件,再看结果。论文机制、通用模型的提示实现与工程近似需要分别说明。

三个学习产物​

读一篇资料后,尝试留下:一张能解释输入输出的图、一个能失败的最小实验、一条清楚的适用边界。把它们与 面试手册 对照,可以检查自己是记住了名称,还是理解了行为。