导师学习路径：Agent 系统知识提炼与章节安排
来源：导师提供的《Agent 学习相关知识》细致版学习路径。本章节系列把原始提纲提炼为知识点地图，并重排为可执行的章节，每个知识点都展开成面试能讲的内容，配套 mermaid 流程图、面试问答（含参考答案）与自测清单。 目标岗位：字节跳动剪映 CapCut「Agent 开发实习生（AI 剪辑）」（职位 ID：A80542，深圳/广州）。核心语言 Go，Python 生态只需看得懂、能写最小示例。
一、知识地图：导师原始提纲 → 本章节体系
导师提纲有 6 大章 + JD 相关 3 大章，中间还夹杂了一段技术栈速查。我把它重新组织为 11 个章节 + 1 份总览，划分依据是「原理依赖顺序」：
| 章节 | 内容 | 对应导师提纲 | 面试权重 |
|---|---|---|---|
| 01-RAG 原理与 LLM 基础 | Transformer/注意力、Embedding、BM25、RRF、Cross/Bi-encoder | 第 1 章 | ★★★★★ 必考 |
| 02-RAG 完整原理与 Prompt 工程 | RAG 全流程、Chunking、Token 预算、RAGAS、五段式 Prompt、CoT、Few-shot | 第 2 章 | ★★★★★ 必考 |
| 03-Function Calling 与 MCP 协议 | FC 底层机制、MCP 协议、BinRag MCP Server 亮点 | 第 3 章 | ★★★★☆ |
| 04-ReAct 与 Agent 规划 | ReAct 循环、Plan-and-Execute、死循环防护 | 第 4 章 | ★★★★☆ |
| 05-Multi-Agent 编排与 LangGraph | 三种编排模式、LangGraph State/Node/Edge/Checkpoint | 第 5 章 | ★★★★☆ |
| 06-Agent 记忆与评测体系 | 四种记忆、短期记忆压缩、长期记忆落地、评测体系 | 第 6 章 | ★★★☆☆ |
| 07-JD 专题：文生视频与 Diffusion | 扩散模型、CLIP 文本控制、Temporal Attention、VAE/Latent | JD 相关一 | ★★★☆☆ 岗位对口 |
| 08-JD 专题：LLM 推理优化 | KV Cache、PagedAttention、Continuous Batching、量化、投机解码、推理网关 | JD 相关二 | ★★★★☆ 岗位对口 |
| 09-JD 专题：LLM 训练流程与微调 | Pre-training→SFT→RLHF→DPO、LoRA、SFT vs RAG、实习话术 | JD 相关三 | ★★★☆☆ |
| 10-AI 应用技术栈速通 | FastAPI vs Express、LangChain 核心、Pydantic V2、asyncio | 提纲附带 | ★★☆☆☆ 看懂即可 |
| 11-JD 专题：生成原理零基础学习方案 | 机器学习零基础入门方案：术语扫盲、7 天日程、8 层递进（四大家族→扩散→SD 架构→条件引导→可控生成→视频→工程→表达）、12 题作答卡、自测卷 | 岗位补充 | ★★★★☆ 0 基础必读（第 7 章的入门版） |
二、章节依赖关系（学习顺序）
学习顺序建议：1 → 2 → 3 → 4 → 5 → 6 为主线（构成完整的 Agent 知识链）；7、8、9、11 可在第 2 章之后与主线并行推进（JD 对口腔，面试官大概率深挖），其中 零基础先读 11 再读 7——11 用大白话铺地基并给出口述稿，7 再补原理细节；10 是工具章，随用随查。
三、时间安排（对齐 10 月投递目标）
按「主线 6 天 + JD 专题并行 + 每章半天到一天」排布，7-10 天内可完成第一遍：
| 天数 | 主线任务 | 并行任务（选做） | 交付物 |
|---|---|---|---|
| Day 1 | 第 1 章：Transformer / Embedding / BM25 / RRF / Cross-encoder | 读 路线专题/03 Day 8-9 | 能对着白板画出 Attention 流程图 |
| Day 2 | 第 2 章（上）：RAG 全流程拆解、Chunking、Token 预算 | 第 7 章：Diffusion 双过程图 | 画 RAG 全链路图 |
| Day 3 | 第 2 章（下）：RAGAS 指标、五段式 Prompt、CoT、Few-shot | 第 8 章：KV Cache 计算量对比；第 11 章 Day 1-3：术语扫盲 + 扩散 + SD 架构 | 写一份自己的五段式 Prompt 模板 + 口述录音"扩散模型原理 60 秒" |
| Day 4 | 第 3 章：Function Calling + MCP | 第 10 章：FastAPI 最小示例 | 画 FC 6 步流程图 + MCP 架构图 |
| Day 5 | 第 4 章：ReAct + Plan-and-Execute | 第 8 章：推理网关模块清单 | 把 shatangAI 流程改写成 ReAct 示例 |
| Day 6 | 第 5 章：Multi-Agent 三种模式 + LangGraph | 第 9 章：训练链路图 + LoRA 计算 | 画 Supervisor/Reflection 架构图 |
| Day 7 | 第 6 章：四种记忆 + 评测体系 | 第 9 章：SFT vs RAG 决策表；第 11 章 Day 5-8：可控生成 / 视频 / 工程口述 + 12 题脱稿 | 为 BinRag 写一份评测集设计 + 12 题录音各 60 秒无卡壳 |
| 机动 | 复盘全部「面试问答」，对照 04-简历项目改造 串 STAR | — | 每个问题能脱稿回答 |
时间紧张的话，优先级：第 1、2、3、4 章必精读（RAG + Agent 是简历核心），第 5、6 章快速过（理解三种模式 + 记忆分类即可），7-9 章按 JD 关键词挑重点，机器学习零基础就先读第 11 章（7 天日程 + 12 题作答卡，不用装环境不写代码），有基础后按 Q2/Q5/Q6/Q12 挑重点深挖，第 10 章随用随查。
四、贯穿始终的三个项目锚点
导师提纲里反复出现两个项目，面试时所有原理都要挂到项目上讲：
- BinRag（RAG 文档问答系统）：向量 + BM25 混合检索 → RRF 融合 → Cross-encoder 重排 → LLM 生成；实现了 MCP Server（6 个只读工具）。→ 支撑第 1-3、6 章。
- shatangAI（视频生成项目）：调 DashScope/Seedance 生成短视频，含脚本生成、素材搜索、视频合成、异步任务队列。→ 支撑第 4、5、7、8、10 章。
- 深圳草莓实习（大模型微调，LoRA）：→ 支撑第 9 章。
五、学习方法建议
- 先提炼后展开：每章先看「核心知识点提炼」表，再读「知识点详解」，最后闭卷回答「面试问答」。
- 画图 > 背字：面试官要求"画图讲清楚流程"，每章至少 1 张 mermaid 图必须能手绘出来。
- 自测清单逐条打勾：打不了勾的条目回到详解部分重读，并在站内搜索补充（右上角搜索框可用）。
- 联动既有文档：Go 底层知识见「第一阶段-知识详解」，后端工程见「后端技术栈强化」，30 天冲刺执行路线见「路线专题」。