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 agents | Agent 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 v1 | MCP 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。