一份面向 Agent 工程师成长的系统化路线：覆盖 Prompt、Harness、Tool Calling、MCP、Memory、RAG、Multi-Agent、评估、AgentOps 与生产维护。

阶段 0 学习笔记：用 FastAPI、Pydantic、模型网关、PostgreSQL、Redis、向量检索、Docker 与 OpenTelemetry 搭建可测试、可观测、可替换的 Agent 工程底座。

阶段 1 学习笔记：把 Prompt 从临时提问技巧升级为可版本化、可测试、可回归、可审计的模型输入接口契约，覆盖上下文分层、结构化输出、Tool Calling 设计与 Prompt Injection 防护。

阶段 1 安全方向学习笔记：覆盖直接注入、间接注入、RAG 污染、工具误用、Memory 投毒、MCP 安全、多 Agent 级联污染等威胁模型的工程化防护方案。

将意图识别、规则检索、责任归因、客服回复等 Prompt 扩展为 12 个模块的生产级 Prompt Registry，覆盖安全预检、工具授权、状态校验与回归测试。

阶段 2 学习笔记：掌握 ReAct、Plan-and-Execute、Reflection、Workflow、Router、Agentic RAG、Multi-Agent 等范式的执行机制、适用边界与生产级组合方式。

专项专栏笔记：理解意图识别模块在不同 Agent 范式中的呈现方式，掌握从用户意图分类到能力路由、工具路由、子图路由、Agent 分流的工程化设计方法。

阶段 3 学习笔记：把 Agent 拆成输入、上下文、路由、规划、工具、状态、安全、人工接管、评估与观测模块，建立可恢复、可回放、可治理的运行时。

阶段 4 学习笔记：系统掌握工具 Schema、能力发现、权限与副作用、幂等和验证，理解 MCP 协议边界与 Agent Skills 的渐进式能力封装。

阶段 5 学习笔记：区分状态、记忆、RAG 与上下文，建立带来源、时间、权限、冲突、删除和效果评估的生产级 Agent Memory 生命周期。

阶段 6 学习笔记：从普通向量问答升级到可规划、可迭代、权限感知且可验证的证据系统，并落地 GraphRAG 与结构化 RuleRAG。

阶段 7 学习笔记：建立可执行、可验证、可修复的计划数据模型，区分 Reflection、Critic、Verifier、Retry 与 HITL 的生产边界。

阶段 8 学习笔记：用明确角色、任务契约、共享状态、委派与验证构建可评估的多 Agent 系统，并理解 A2A 跨系统协作协议。

阶段 9 学习笔记：判断 Agent 是否值得微调，构建可审计的多轮工具轨迹数据，并用 LoRA、QLoRA、DPO 与 RFT 完成评估和发布。

阶段 10 学习笔记：围绕身份、数据、工具、MCP/Skills、Memory/RAG、沙箱、HITL 与事故响应建立生产级 Agent 纵深防御。

阶段 11 学习笔记：构建 Golden、Adversarial 与 Regression 数据集，评估工具、轨迹、环境终态、安全、成本，并用 Trace 定位失败。

阶段 12 学习笔记：系统掌握 Agent Runtime、队列、模型网关、持久状态、限流降级、SLO、版本治理、评估门禁、成本与事故闭环。