我把 AI Agent 学习路线整理成了一个专栏站：Learn Agent
最近做了一件事，把关于 AI Agent、LLM、RAG、模型训练、数据库优化和全栈工程的学习心得，整理成了一个专栏站，叫 Learn Agent。目前支持中、英、日三种语言。
为什么做这个站？
现在关于 AI 的资料确实不少，但说实话，内容往往比较零散。看文章的时候感觉好像都懂了，可一上手做工程实践，问题就来了：
- Agent 到底是怎么运行的？
- 工具调用是如何被调度和约束的？
- 上下文为什么会失控？
- MCP、Skill、权限边界解决的是什么问题？
- RAG 为什么不是简单把文档丢进向量数据库？
- 模型训练、微调、评测和安全边界，应该如何接入真实产品？
这些问题，单靠碎片化的信息很难串起来。所以，干脆把这些内容整理成一条更系统的学习路线。
Learn Agent 会更新什么？
主要会持续整理这几类内容：
Claude Code 运行机制 / 源码解析
拆解 ReAct 主循环、上下文管理、工具调用、MCP、Skill、权限边界、多 Agent 协作、任务恢复等内容。LLM 基础与模型训练
包括 token、embedding、attention、Transformer、PyTorch 训练闭环、MiniGPT、模型评测等。模型微调与应用工程
覆盖 SFT、LoRA、QLoRA、领域数据构造、评测体系、安全边界、推理部署，以及模型能力如何接入真实产品。Agent Harness 构建
从工程系统角度理解 Agent：工具协议、权限系统、受控执行、会话恢复、日志观测、状态管理和验证闭环。RAG / 检索增强生成
系统整理文档入库、文本分块、向量检索、查询改写、召回评估、答案引用和知识库问答优化。数据库与全栈工程底盘
包括 MySQL、PostgreSQL、Redis、API、前端状态、服务边界、工程架构等内容。
这个站适合谁？
Learn Agent 主要适合这些同学：
- 已经会用 AI 工具，但想理解背后原理；
- 想系统学习 LLM、RAG、Agent 工程；
- 想从 Prompt 使用者进阶到 Agent 系统构建者；
- 想补齐数据库、后端、前端和 AI 工程能力；
- 想通过源码阅读和工程实践，真正理解 AI 应用是如何构建出来的开发者。
为什么叫 Learn Agent？
因为越来越觉得，未来开发者需要的不只是“会使用 AI 工具”，而是要理解 AI 工具背后的系统。Agent 不是魔法。它背后有模型、有工具、有上下文、有权限、有状态、有执行环境、有评测、有日志、有恢复机制，也有大量传统软件工程问题。Learn Agent 想做的，就是把这些知识拆开、讲清楚，整理成一条可以长期复盘、实践和迁移的学习路线。
