基础认知
Day 01-05Understanding What an AI Agent Is
能说清 Agent 与 Chatbot 的区别，画出观察-思考-行动-反馈执行循环
The Role of the LLM Inside an Agent
能区分模型能力与系统工程能力，说清 LLM 的决策、推理与生成职责
Task Decomposition and Planning
能把模糊任务拆成可执行步骤，理解 planning 的粒度与动态调整
Agent State and Feedback
能把 Agent 理解为多轮状态机，说清状态、历史与工具反馈
Weekly Review 1: Minimal Agent Design
能独立完成一页《日报生成 Agent v0.1》设计说明
上下文工程
Day 06-10Context Engineering Basics
能区分 system instruction、user message、tool description、memory 与检索内容
Structured Prompt Design
能把模糊指令改写成角色、目标、步骤、约束、输出格式齐全的结构化 Prompt
Context Compression and Summarization
能设计摘要、裁剪与分层记忆策略，控制长任务上下文膨胀
Agent Skills and Reusable Context
能把重复工作流封装成可复用 Skill，写清适用场景与失败处理
Weekly Review 2: Context Design Document
能输出《测试报告 Agent 上下文设计 v0.1》
记忆与 RAG
Day 11-15User Memory Basics
能区分短期上下文与长期记忆，划定记忆边界与隐私约束
RAG Basics
能说清洗切分、embedding、检索、重排、生成、引用完整链路
Retrieval Quality and Knowledge Organization
能为知识库设计 metadata 与结构化索引，理解向量检索局限
Building a Minimal RAG Demo
能实现本地文档加载、切分、检索、带引用的最小 RAG 问答 Demo
Weekly Review 3: Memory + RAG Design
能输出《知识库问答 Agent 设计 v0.1》，理清记忆与知识边界
工具与 MCP
Day 16-20Tool Calling Basics
能为工具写清 schema、返回结构与失败处理，区分调用决策与执行
MCP and the Tool Ecosystem
能说清 MCP 的 tools、resources、prompts 与接入价值
Tool Safety and Permission Boundaries
能按只读、低风险写入、高风险写入分级设计工具权限
Coding Agent Basics
能设计修复测试脚本失败的 Coding Agent 完整流程
Weekly Review 4: Tool-Based Agent Demo
能做出调用 2-3 个工具完成 Nginx CPU 分析的 Agent Demo
评估与进化
Day 21-25Agent Evaluation Basics
能设计任务集与评分标准，说清人工与自动评估如何结合
Designing Eval Metrics
能把「感觉好用」转化为主指标与护栏指标
Building a Small Eval Set
能建立覆盖失败场景、带 must_not_do 与评分标准的评估集
Model Post-Training Concepts
能区分预训练、SFT、RL，知道何时不该急着训练模型
Continuous Improvement and Feedback Loops
能设计轨迹日志与反馈沉淀流程，让 Agent 越用越好
多 Agent 与项目
Day 26-30Multi-Agent Collaboration Basics
能设计 Planner/Research/Writer/Reviewer 角色分工与上下文边界
Multi-Agent Communication and State
能设计 Agent 间消息格式、中间产物与冲突处理
Final Project Design
能定义技术问题分析 Agent 的 MVP 范围与成功标准
Final Project Implementation and Eval
能完成可演示版本，并用评估集跑出成功与失败案例
Summary, Retrospective, and Next Steps
能输出 30 天学习复盘与下一阶段学习方向