0.2 学习路线与先修
0.2 学习路线与先修
本节摘要：本节把读者画准、把路线排好、把邻居介绍完。读者是 LLM 应用与 Agent 开发者，唯一先修是"写过带 prompt 的应用"——调过 chat completion API，最好用过 function calling；不需要机器学习背景。路线有两条：体系化路线（约 45 小时，顺序通读，四篇递进）适合建立完整能力；问题驱动路线（约 4090 分钟）为带着具体问题来的人排了六条跳读通道。随后是与三本"单章视角"相邻教程的分工表——hello-agents 第 9 章、《深入理解 AI Agent：设计原理与工程实践》第 2 章、《Harness 工程》第 7 章各自从智能体通识、Agent 书、harness 组件的角度讲过这个话题，本书是独立纵深教程，四者互引不重写。最后是全书的约定与声明：数字标注属性、代码写法示意、事实基准 2026-09。
学习目标
阅读完本节，你应当能够：
- 判断自己是否属于本书的目标读者、缺不缺先修。
- 在两条学习路线中选出适合自己的那条。
- 知道哪些话题本书有意不展开、该去哪本相邻教程补。
一、读者画像与先修
目标读者：正在或即将构建 LLM 应用与 Agent 的开发者——聊天助手、RAG 问答、编码智能体、内部平台，只要你的应用有"多轮对话 + 工具 + 检索"中任何两项，这本书就是为你写的。
先修（就一条，但必须是真做过）：写过带 prompt 的应用。具体拆开是三小条：
- 调用过 chat completion 类 API，理解 messages 数组与 role 的含义；
- 最好用过 function calling / tool use，见过工具 schema 长什么样；
- 遇到过至少一次"会话变长后模型变笨"的现场（没有也没关系，读完 1.1 节你会见过）。
不需要：transformer 数学（全书只在工程直觉层面解释注意力）、训练经验（本书不微调，只谈推理时的窗口管理）、特定框架经验（第 7 章讲框架前会把概念先讲完）。
二、两条学习路线
路线 A：体系化路线（约 4~5 小时）
顺序通读，四篇递进：
| 阶段 | 内容 | 用时（示意） | 产出 |
|---|---|---|---|
| 建立心智 | 第 0 章 | 30 分钟 | 能向别人讲清分界 |
| 预算与成分 | 第 1~2 章 | 100 分钟 | 心里装着预算恒等式与四成分表 |
| 设计与组装 | 第 3~6 章 | 150 分钟 | 每种成分都会设计供给策略 |
| 框架落地 | 第 7 章 + 附录 | 60 分钟 | 会选框架、会做完整案例 |
读法建议：每章先读 00-支柱页.md（五分钟，建立地图），再进小节；第 1.2 节的四成分对照表和第 2.1 节的驱逐顺序表建议打印贴手边——后面每一章都在用这两张表的语言。
💡 体系化路线的一个自检点：读完第 2 章时，你应该能不看书默写"预算恒等式 + 四成分 + 驱逐四顺位"。做不到就回去补——它们是第 3~6 章每一节的 precondition；做得到，后面各章读起来都会快一截。
路线 B：问题驱动路线（约 40~90 分钟）
带着问题跳读，七条通道各取所需：
| 你的问题 | 跳读路径 |
|---|---|
| 上下文工程和提示词工程什么区别 | 0.1（对照表）→ 1.2（四成分） |
| 窗口多大才够、超了先丢什么 | 1.1 → 2.1 |
| 检索回来的东西模型好像没看见 | 2.2（位置效应）→ 5.2 |
| 系统提示越写越长、不知道怎么管 | 3.1 → 3.2 |
| 工具越加越多、模型选不对 | 3.2 → 2.1（常驻税） |
| 历史越滚越长、越用越笨 | 1.1 → 2.1 → 6.1 |
| 团队要做上下文评审 / 制定规范 | 1.2 → 3.1（版本化纪律）→ 2.1（预算表当评审模板） |
💡 问题驱动路线的七条通道里，多数止于前半（第 0~3 章），少数延伸到后半的小节——如果跳读后你想系统补课，回到路线 A 即可，两套编号完全一致。
三、与相邻教程的分工：谁讲什么
这个话题在中文世界已有三个"单章视角"，本书是第四种视角——独立纵深教程。四者互为纯文字引用，不互相改写：
| 教程 / 资料 | 视角 | 那一章负责什么 | 与本书的关系 |
|---|---|---|---|
| hello-agents 第 9 章 | 智能体通识书的单章 | 在智能体全景（感知、记忆、规划、行动）中给上下文一席之地，宽而浅 | 本书 0.1 的分界语言可与它互参；其智能体框架知识是读第 4、7 章的加分项 |
| 《深入理解 AI Agent：设计原理与工程实践》第 2 章 | Agent 书的单章 | Agent 基础设施语境下的上下文话题 | 与本书第 1~2 章概念重叠处，以本书口径为准；工程案例视角不同 |
| 《Harness 工程》第 7 章 | harness 组件的单章 | 从 harness 供料组件讲窗口预算、压缩与分层记忆 | 最接近本书的邻居：本书第 2.1 节与其 7.1 互为呼应，3.2 节引用其 4.2 工具路由；它面向编码智能体 harness，本书面向一切 LLM 应用 |
另有两处"深潜外委"：记忆机制的纵深（分层存储、遗忘曲线、产品级实现）由 同站教程库腾讯 Agent Memory 与 memU 教程承担，本书第 4 章只引用不重写；检索工程的重排与 repo map 由《语义代码检索》第 5、6 章承担，本书第 5 章引用。一句话：本书讲"决策层"——装什么、丢什么、排哪里；深潜教程讲"实现层"——怎么存、怎么搜、怎么排。
四、约定与声明
- 数字属性标注：关键数字一律标注来源属性——（官方）为厂商或论文作者自报，（实测）为论文实验结论或本书作者实测，（社区）为第三方统计或公开讨论，（示意）为教学假设数字。例如"主流模型窗口 128k1M（官方，2026-09 时点）""中部位置性能比首尾低 1030 个百分点（实测，Liu et al. 2023）"。
- 代码约定：教学代码全为 Python，内嵌于小节 markdown，文件名统一
ce_*.py，首行注明「写法示意，以官方文档为准」——不承诺与任何厂商 SDK 的真实接口逐字一致。 - 交叉引用：跨教程引用一律纯文字（如「详见《Harness 工程》第 4.2 节」），不使用链接。
- 信息时效：事实基准 2026 年 9 月；第 4~7 章与附录的目录如下。
- 安全提示：系统提示不应存放密钥；检索与工具结果可能携带注入内容——第 3 章仅做工程层提示，部署前请自行完成安全评估。
本节要点回顾
- 先修就一条：写过带 prompt 的应用；不需要 ML 背景。
- 两条路线：体系化（4~5 小时，四篇递进）与问题驱动（六条跳读通道）。
- 三个单章邻居：hello-agents ch09（智能体通识）、ai-agent-book ch02（Agent 基础设施）、Harness ch07（harness 组件）——本书是独立纵深，互引不重写。
- 两处深潜外委：记忆（同站教程库腾讯 Agent Memory / memU）、检索（《语义代码检索》第 5、6 章）。
- 本书讲决策层：装什么、丢什么、排哪里；实现层交给深潜教程。
- 五条约定：数字标注属性、代码写法示意、交叉引用纯文字、事实基准 2026-09、安全自行评估。
带着这五条约定，从下一章起的每一个数字与代码块你都知道该怎么信任。
进门问题都清了。从下一章起进入正题：先把"窗口"从一个模糊的词变成一个可以计算的量——预算。带着你的项目读，每一章都顺手审计它一次。