AI Agent 怎么学？保姆级 12 步学习路线来了（附 15 篇权威论文）

很多人觉得 AI Agent 门槛高、资料又碎又杂。市面上的内容要么停在"概念科普"，要么一上来就堆框架，新手很难串成一条能落地的路。为此，AI 导航整理了一条「从零基础到能落地」的清晰学习路线，把 Agent 拆成 12 个可执行的步骤。

路线总览：第 1–2 步建立概念与核心思维（规划 + 记忆）；第 3–5 步是动手三件套——Prompt 工程、RAG 检索增强、工具调用 / Function Calling / MCP；第 6–7 步讲设计模式（ReAct / Plan-and-Solve / Reflexion）与多 Agent 协作；第 8–9 步是评估与安全（AgentBench、LLM-as-a-Judge、OWASP LLM Top10）；第 10–12 步落到部署、实战与持续学习。开篇还附一张「思考-行动」循环总览图，先建立全局画面。

权威加持是这次教程的重点。每一步都标注了奠基论文与官方规范：RAG（Lewis 2020）、ReAct（Yao 2022）、Chain-of-Thought（Wei 2022）、Tree of Thoughts（Yao 2023）、Reflexion（Shinn 2023）、Generative Agents（Park 2023）、AgentBench（Liu 2023）、LLM-as-a-Judge（Zheng 2023），以及 MCP、OpenAI、Anthropic、LangChain、AutoGen、Lilian Weng 综述、OWASP 等可核验站点。所有引用只给标题 / 作者 / 年份与官方域名，绝不编造链接。

光有理论不够，教程是「保姆级」的：每步配可复制的 Python 代码（OpenAI 兼容接口，DeepSeek / 硅基流动等都能跑）、预期输出、常见坑提醒和一张自测清单。例如第 4 步 RAG 直接给出可离线运行的本地 BGE 向量化方案（中文友好、无需 Key）；第 10 步给出完整 FastAPI 封装 + Dockerfile + requirements.txt，照抄即可部署。

教程完全免费阅读，文末还附了 5 篇站内互链（企微 × dsh 实战、dsh 基础、WorkBuddy、什么是 CLI、GitHub 教程），与「企业微信全面开放 CLI/MCP」那条资讯形成系列。无论你是想入门、还是想把零散知识系统串起来，这条 12 步路线都值得收藏。