Appearance
📅 AI Agent 工程师 12 个月成长节奏表
📌 这不是"把 100 个知识点排进 12 个月"——那是收藏夹。这是一份可执行的节奏规划：每个月学什么、做什么项目、产出什么作品、容易卡在哪、以及不同基础的人怎么调整。
目标读者：3 类人——零基础转行者、有编程基础的程序员、有大模型经验的开发者。
01｜先判断你是哪类人
| 类型 | 已有基础 | 可以跳过的 | 最大挑战 |
|---|---|---|---|
| 🅰️ 零基础转行 | Python 基本语法 | 无 | 同时学 AI 概念 + 工程实践，前 3 个月最容易放弃 |
| 🅱️ 程序员（有 Python 经验） | 编程、Git、Linux | 第 1-2 个月可以压缩 | 不要把 Agent 当普通软件工程做 |
| 🅲️ 有大模型经验 | LLM 原理、Prompt、API | 第 1-2 个月 | Agent 的工程复杂性（Multi-Agent、生产化） |
02｜12 个月总览表
| 阶段 | 月份 | 主题 | 核心项目 | 作品产出 |
| 基础期 | 1-3 | Python + LLM 原理 + API | 调通 3 个模型 API | 一个带流式输出的对话脚本 |
| RAG 期 | 4-5 | RAG 全流程 | 从零搭建知识库问答系统 | 可跑的 RAG 项目 + FastAPI 接口 |
| Agent 期 | 6-7 | ReAct + 工具调用 | 手写 ReAct Agent + LangGraph 版 | 两个版本的 Agent 对比文档 |
| 框架期 | 8 | LangGraph/CrewAI/AutoGen | 用三框架搭同一个客服 Agent | 框架选型分析报告 |
| Multi-Agent 期 | 9 | 多 Agent 协作 | Planner + Executor + Critic 系统 | Multi-Agent 系统设计文档 |
| 生产化期 | 10-11 | 评测/监控/安全/部署 | 把 Agent 部署到生产环境 | 生产级 Agent 系统的 GitHub repo |
| 求职/变现期 | 12 | 面试 + 简历 + 作品集 | 完整作品集 + 50 题面试答案 | Offer / 第一个付费客户 |
03｜第 1-3 个月：打基础
月 1：Python + 虚拟环境 + API
- 学：uv/venv、dict/list 高频操作、装饰器、asyncio、tenacity
- 做：写一个
chat.py——从.env读 API Key → 调 OpenAI API → 打印回复 - 作品：一个带流式输出 + 指数退避重试的对话脚本
- 易卡点：虚拟环境搞混了、API Key 写死在代码里、不懂 asyncio 导致程序阻塞
月 2：LLM 原理 8 概念
- 学：Token、Context Window、Temperature、Prompt、Hallucination、Alignment、Function Calling、RAG
- 做：用 requests 直接调 3 个厂的 API（不用 SDK），对比返回格式
- 作品：一份《我理解的 LLM 8 概念》笔记（用自己的话写，不要复制）
- 易卡点：把 Token 理解成"字数"、不理解 Temperature=0 和 1 的区别
月 3：RAG 入门
- 学：Embedding、向量库、检索、Rerank、引用来源
- 做：跑通本文库里的
rag-system-from-zero项目 - 作品：一个能查 PDF 文档的本地 RAG 系统
- 易卡点：PDF 解析格式乱、Chunk 切得太碎、向量库选型纠结（随便选一个先用）
04｜第 4-6 个月：做项目
月 4-5：RAG 深入 + 评测
- 学：混合检索（BM25 + Dense）、Rerank、RAGAS 评测、拒答机制
- 做：改进月 3 的 RAG 系统 + 建评测集（50-100 case）+ 跑 RAGAS
- 作品：一个带评测系统的 RAG 项目（GitHub repo）
- 易卡点：评测集不知道怎么建（从真实 FAQ 里挑 50 条）
月 6：Agent 入门
- 学：ReAct 范式、TAO 循环、Function Calling 机制
- 做：手写一个 ReAct Agent（不用框架，50 行代码）
- 作品：GitHub Gist：一个看懂 ReAct 的 50 行最小实现
- 易卡点：不理解"模型不执行工具，代码执行"
05｜第 7-9 个月：生产化
月 7：Agent 框架
- 学：LangGraph StateGraph、CrewAI Agent/Task、AutoGen GroupChat
- 做：用三框架分别搭同一个客服 Agent
- 作品：《三框架选型分析报告》——哪个场景选哪个、Trade-off 是什么
月 8：Multi-Agent
- 学：Agent 间通信（Message Bus）、任务编排（Planner + Executor）、共享记忆（三层记忆）
- 做：设计一个 Planner + 2 Executor + Critic 的系统
- 作品：Multi-Agent 系统设计文档 + 可跑代码
月 9：评测 + 监控
- 学：LLM-as-Judge、三层日志体系、Token 成本控制、缓存策略
- 做：给月 8 的 Multi-Agent 系统加全链路 trace + 评测 pipeline
- 作品：一个有 Dashboard 的 Agent 系统
06｜第 10-12 个月：求职或变现
月 10：安全 + 部署
- 学：Prompt Injection 防护、HITL 设计、灰度发布、Docker 部署
- 做：把 Agent 系统部署到云服务器 + 加安全机制
- 作品：一个"可以给别人用"的在线 Agent 服务
月 11：面试准备
- 学：50 题面试题库（求职 01-05）
- 做：每道题写自己的项目经验版本（不是背诵答案）
- 作品：面试模拟录音 × 10 次
月 12：投简历 or 接单
- 🅰️🅱️ 求职路线：投 20 家公司 + 跟进反馈
- 🅲️ 接单路线：在 Upwork/国内平台接第一个 Agent 项目
07｜三类人如何改路线
| 🅰️ 零基础 | 🅱️ 程序员 | 🅲️ 有大模型经验 | |
|---|---|---|---|
| 月 1-2 | 按标准走 | 压缩到 2 周 | 跳过 |
| 月 3-4 | 按标准走 | 按标准走 | 压缩到 1 个月 |
| 月 5-9 | 按标准走 | 按标准走 | 按标准走（这是核心） |
| 月 10-12 | 按标准走 | 按标准走 | 按标准走 |
⚠️ 🅲️类人最容易犯的错误：觉得"我都懂原理了，Agent 还用学？"——Agent 的复杂不在于 LLM，在于 Multi-Agent 的通信/编排/状态管理。这是大模型背景的人也未必掌握的新领域。
08｜每月自测表
每个月结束时问自己：
□ 我这周写了代码吗？（不只是看了文章/视频）
□ 我这个月产出了一个可运行的东西吗？（脚本/项目/repo）
□ 我能用口头解释这个月学的核心概念吗？（不需要看笔记）
□ 我卡在哪里了？是因为概念不懂、还是代码不会写、还是不知道怎么继续？
□ 下个月我要做什么？目标定好了吗？💡 最关键的一条："不写代码的月份 = 白学。" AI Agent 不是理论知识——是工程能力。工程能力唯一来源：写代码。
🍋 本文为 AI Agent 学习路线 · 12 个月成长节奏表。© 2026 AI小柠檬。