【成为AI产品经理】12周搞定AI Agent与RAG：从入门到工程实战的完整学习路线

8大模块 · 37篇论文/资源 · 3阶段递进—— 一份写给工程师的AI Agent RAG系统化学习指南前言AI Agent 和 RAG检索增强生成是2025-2026年最热门的AI工程方向。但网上的资料要么太学术要么太浅尝辄止。我花了一周时间从DeepSeek的深度对话中梳理出一条可执行的12周学习路线覆盖从LLM基础到Agent架构、RAG工程、AI产品思维和商业化的全链路。这篇文章不只是书单——每个模块都有明确的产出目标和优先级标注让你学完就能用。 全局地图AI Agent RAG 学习计划 │ ├── 第一阶段基础夯实W1-W4 │ ├── 03-LLM基础Transformer / Token / RLHF / DPO │ └── 01-Agent架构ReAct / Plan-then-Execute / Multi-Agent │ ├── 第二阶段工程实战W5-W8 │ ├── 02-RAGGraphRAG / HiRAG / 工程实践 │ └── 01-Agent框架实操 / 评测体系 │ └── 第三阶段产品与商业W9-W12 ├── 04-AI Native产品思维 / 推荐书籍 ├── 05-商业化定价策略 / 产品定位 ├── 06-行业ITSM / 迁移工具 / Agent平台 └── 08-资源信息源 / 知识图谱 第一阶段基础夯实第1-4周目标建立LLM和Agent的核心认知能看懂主流论文W1-W2LLM基础周学习内容产出W1Transformer原理、Token机制、RLHF/DPO笔记LLM核心概念速查W2幻觉问题、模型评测完成Andrew Ng课程核心资源资源说明Attention Is All You Need (Vaswani et al., 2017)Transformer开山之作必读Illustrated Transformer (Jay Alammar)可视化讲解入门首选RLHF / DPO 对齐 (Hugging Face Blog)RLHF vs DPO原理对比Stanford CS224n: NLP with Deep LearningB站有全集NLP入门必看DeepLearning.AI - LangChain for LLM Application DevelopmentAndrew Ng出品幻觉专题面试高频论文核心观点A Comprehensive Survey of Hallucination in LLMs (2025)幻觉问题全景综述Survey and Analysis of Hallucinations in LLMs (Frontiers, 2025)Prompt层面缓解策略模型评测平台用途LMSYS Chatbot Arena众包盲评排行Artificial AnalysisAPI性能/价格/延迟对比当前Top模型GPT-4o / Claude 3.5 Sonnet / Gemini 2.0 / DeepSeek-V3 / QwenW3-W4Agent架构与范式周学习内容产出W3ReAct / Plan-then-Execute范式笔记Agent推理范式对比W4Multi-Agent架构 Anthropic Agent设计笔记Agent架构选型指南单Agent推理范式#论文年份核心观点优先级1ReAct: Synergizing Reasoning and Acting (Yao et al.)2022Thought-Action-Observation循环⭐⭐⭐ 必读2Plan-then-Execute (Del Rosario et al.)2025Planner/Executor分离先规划后执行⭐⭐⭐ 必读3Web Agents Should Adopt Plan-Then-Execute2026Web Agent场景P-t-E优于ReAct 80%⭐⭐ 推荐4Reason-Plan-ReAct (RP-ReAct)2025融合推理规划⭐⭐ 推荐费曼检验能否用一句话讲清楚ReAct vs P-t-E的区别ReAct是边想边做P-t-E是先想好再做——前者灵活但易走偏后者可控但需 upfront规划。Multi-Agent架构#论文核心观点优先级5MPAC: Multi-Principal Agent Coordination五层协调Session/Intent/Operation/Conflict/Governance⭐⭐ 推荐6COLLAB-LLM角色分工 通信协议 冲突解决⭐⭐ 推荐7Federation of Agents (FoA)Versioned Capability Vectors实现跨域互操作⭐ 选读Anthropic Agent设计理念资源说明Building effective agents (Anthropic, 2024.12)Agent定义、Workflow vs自主Agent区分——业界标杆文章这篇文章的含金量极高。Anthropic把Agent分为两类Workflow Agent流程编排人定义路径和Autonomous Agent自主决策AI定义路径。选型前必读。 第二阶段工程实战第5-8周目标跑通RAG和Agent的Demo掌握评测体系W5-W6RAG检索增强生成周学习内容产出W5GraphRAG / HiRAG / ParetoRAG前沿方案笔记RAG方案对比矩阵W6RAG工程实践LangChain/LlamaIndex/RAGAS跑通一个RAG Demo前沿RAG方案#论文年份核心观点优先级12GraphRAG (Microsoft)2024LLM提取实体关系→社区检测→MapReduce全局摘要⭐⭐⭐ 必读13GeAR: Graph-enhanced Agent for RAG2025图增强Agent RAG⭐⭐ 推荐14HiRAG: Hierarchical Knowledge RAG2025层次化知识索引⭐⭐ 推荐15ParetoRAG2025帕累托最优检索⭐ 选读16Zero-RAG2025零样本RAG30% Wikipedia索引降22%⭐ 选读17OG-RAG: Ontology-grounded RAG2025本体论接地RAG⭐ 选读RAG演进路线Naive RAG → Advanced RAG → Graph RAG → Agentic RAG。当前业界主流正在从Advanced RAG向Graph RAG和Agentic RAG迁移。RAG工程实践主题内容LangChain RAG教程Naive RAG → Advanced RAG完整路径LlamaIndex RAG教程Ingestion → Indexing → Retrieval → Generation pipelineRAGAS评测框架Faithfulness / Answer Relevancy / Context Precision/RecallChunking策略固定大小 vs 语义切分 vs 递归切分W7-W8Agent框架与评测周学习内容产出W7LangChain / LangGraph / CrewAI / AutoGen实操跑通一个Agent DemoW8Agent评测体系笔记评测框架选型Agent开发框架选型框架定位特点适合场景LangChainLLM应用开发框架生态最全插件最多通用LLM应用LangGraph有状态Agent框架StateGraphCheckpoint复杂状态机AgentLlamaIndex数据索引框架RAG能力最强知识密集型应用CrewAI多Agent协作框架角色化协作多角色任务AutoGen (Microsoft)多Agent对话框架对话驱动代码执行研究/实验选型建议LangChain通用入门 → LlamaIndex做RAG → LangGraph做复杂AgentAgent评测#论文核心观点8Evaluation and Benchmarking of LLM AgentsAgent评测全景综述9Agent-as-a-Judge (2025)用Agent评测Agent超越LLM-as-a-Judge10Beyond Accuracy (2025)企业级Agent多维评测11Holistic Agent Leaderboard (2025)9大Benchmark21,730个Agent rollout工具链LangSmithtrace Braintrust评测 RAGASRAG评测 第三阶段产品与商业第9-12周目标从技术到产品理解AI的商业闭环W9AI Native产品思维资源核心观点AI Native产品定义 (2025)AI Native ≠ AI Wrapper从0开始设计而非套壳Claude Code AI-Native开发范例AI不是辅助是核心交互方式AI Native产品10大原则 (InfoQ)PRD也需要AI-Native化推荐书籍书名作者核心价值The Design of Everyday AI ThingsDon Norman风格AI时代交互设计Co-Intelligence: Living and Working with AIEthan MollickAI协作生活工作指南The Coming WaveMustafa SuleymanDeepMind联创谈AI未来W10AI商业化与定价资源核心观点API计费/Tiered/按量 (2025)Token计费是AI商业化起点AI定价策略综述 (36氪, 2025)中国市场定价实践AI商业化定价 (Stripe, 2025)Stripe视角的AI支付BGV AI Advisory: Pricing for Agentic AIAgent AI定价策略产品定位参考资源核心价值Obviously Awesome (April Dunford)B2B定位方法论Monetizing Innovation定价驱动创新a16z AI CanonAI投资图谱LLM技术栈W11行业应用ITSM / IT服务管理厂商产品AI能力ServiceNowAI ExperienceAI Agent驱动Gartner MQ领导者SalesforceAgentforce IT Service2025.09发布Slack深度集成ZendeskAI Agent自动化客服BMC25.2/25.3AI Agent进入ITSMITOM迁移工具厂商产品AWSApplication Migration Service Migration HubAzureMigrate ArcGoogleMigrate for Compute Engine AnthosAgent开发平台平台定位Coze字节旗下低代码AgentDify开源LLMOps平台n8nWorkflow自动化AI节点扣子AIIM驱动AI AgentW12信息源与知识体系核心信息源信息源频率链接说明Lilian Weng博客不定期lilianweng.github.ioOpenAI研究负责人质量极高Anthropic Research Blog不定期anthropic.com/researchAgent/对齐/安全The Batch (Andrew Ng)每周deeplearning.ai/the-batchAI趋势周报a16z AI Canon不定期a16z.com/ai-canonAI投资全景LangChain Blog不定期blog.langchain.devAgent/RAG工程LlamaIndex Blog不定期llamaindex.ai/blogRAG前沿中文资源资源说明AIGC研究院19赛道全景 (2025)50公司覆盖AI Agent产业链全景图 (ProcessOn)产业链可视化36氪AI频道商业化/定价2025全球AI产品榜产品排行知识图谱速查领域核心概念LLMTransformer / Token / Pre-training / SFT / RLHF / DPO / Temperature / Top-pAgentReAct / Plan-then-Execute / Multi-Agent / Function Calling / MCP / A2ARAG向量检索 / 稀疏检索 / 混合检索 / Chunking / HyDE / RAPTOR / GraphRAG / Agentic RAG / RAGASAI产品AI Native vs AI Wrapper / Prompt Engineering / AI定价 / Agent计费 论文下载清单按优先级⭐⭐⭐ 必读先下这4篇ReAct: Synergizing Reasoning and Acting (2022) — arxiv.org/abs/2210.03629Plan-then-Execute: A Guide to Secure Implementations (2025)GraphRAG: From Local to Global (Microsoft, 2024) — arxiv.org/abs/2404.16130Building effective agents (Anthropic, 2024.12) — anthropic.com/research/building-effective-agents⭐⭐ 推荐Web Agents Should Adopt Plan-Then-Execute (2026)RP-ReAct (2025)MPAC: Multi-Principal Agent Coordination (2026)COLLAB-LLM (2026)GeAR: Graph-enhanced Agent for RAG (2025)HiRAG: Hierarchical Knowledge RAG (2025)Agent-as-a-Judge (2025)Beyond Accuracy (2025)A Comprehensive Survey of Hallucination in LLMs (2025)⭐ 选读Federation of Agents (FoA, 2025)ParetoRAG (2025)Zero-RAG (2025)OG-RAG (2025)Holistic Agent Leaderboard (2025)基础论文Attention Is All You Need (2017) — arxiv.org/abs/1706.03762 学习方法论文阅读先读Abstract Conclusion再决定是否精读全文框架实操每个框架至少跑一个官方Demo再改造成自己的场景笔记输出每学完一个模块写一篇500字总结费曼检验能否用一句话讲清楚核心概念节奏控制每周10小时不贪多求扎实总结这份学习路线的核心逻辑是三层递进基础层W1-4搞懂LLM怎么工作、Agent怎么推理工程层W5-8能跑RAG和Agent的Demo懂评测产品层W9-12理解AI产品怎么设计、怎么赚钱12周只是起点真正的深度需要持续实践。但有了这份路线你至少不会在信息海洋里迷路。如果觉得有用欢迎点赞收藏也欢迎在评论区交流你的学习进度和心得 路易乔布斯 © 2026 | 本文学习计划源自DeepSeek对话整理经系统化重构而成