AI Learning Workspace

从 LLM 基础到 Multi-Agent 协作 —— 11 个渐进式模块，每个概念配可运行 Demo 和交互学习网页

11

学习模块

11

交互网页

100%

完成度

学习路径

鼠标悬停展开模块详情，点击跳转

001 🧠 LLM 基础

API 调用、Token 机制、Temperature 核心概念

进入学习 → 002 ✍️ Prompt 工程

Few-shot、CoT、模板设计等高阶技巧

进入学习 → 003 🔢 Embedding

文本向量化原理、语义相似度计算

进入学习 → 004 🗄️ Vector DB

ChromaDB 入门、向量存储与检索对比

进入学习 → 005 🔗 RAG

5 步渐进式：检索 → 生成 → 评估

进入学习 → 006 ⛓️ LangChain

7 大核心概念 + RAG 管道重构

进入学习 → 007 🕸️ LangGraph

StateGraph → 条件边 → Supervisor 模式

进入学习 → 008 🔌 MCP 协议

Tool Calling 标准化 + Server 开发 + 集成

进入学习 → 009 🤖 Agent 设计

ReAct → Memory → Reflection 渐进实现

进入学习 → 010 👥 Multi-Agent

PM + Architect + Coder + Reviewer 协作

进入学习 → 011 ⚡ AI Coding

Context Engineering + Spec Driven + 模板

进入学习 →

基础阶段掌握 AI 开发的核心概念和工具

LLM API 调用、Token 机制、Temperature 等核心概念，配有可交互 Playground

API Token Temperature

Prompt 设计原则、模板技巧、Few-shot/Chain-of-Thought 等高级策略

Few-shot CoT 模板

文本向量化原理、语义相似度计算、sentence-transformers 真实模型 Demo

向量化相似度 ST

ChromaDB 入门、向量存储与检索、主流向量数据库对比分析

ChromaDB 检索对比

进阶阶段掌握 AI 框架和协议，构建 LLM 应用

RAG 检索增强生成

5 步渐进式 RAG 系统：检索 → 生成 → 评估，从最简到生产级

检索生成评估

LangChain 框架

7 大核心概念（LLM/Prompt/OutputParser/Tool/Retriever/Chain/Runnable）+ RAG 重构

LCEL Chain Runnable

LangGraph 图编排

StateGraph → 条件边 → Supervisor 多 Agent，掌握有状态 Agent 编排

StateGraph Supervisor Memory

Tool Calling → MCP 标准化 → Server 开发 → Claude Code 集成，完整链路

Tool Calling Server Claude Code

高级阶段 Agent 设计、多 Agent 协作、AI Coding 最佳实践

Agent/Planning/ReAct/Tool Calling/Reflection + Research Agent 渐进 Demo

ReAct Reflection Memory

Multi-Agent 协作

PM + Architect + Coder + Reviewer 四 Agent LangGraph Supervisor 协作

Supervisor Review循环冲突解决

AI Coding 最佳实践

CLAUDE.md/AGENTS.md + Memory + Skills + Hooks + Context Engineering + Spec Driven + 项目模板

CLAUDE.md Spec Driven 模板

关于本项目

学习理念

所有概念必须配可运行 Demo
从问题出发（Why → What → How）
渐进式深入（Phase 1 → 2 → 3）
每个模块独立成体系

项目规范

Python 3.10+，标准库优先
教学指南 + Demo + 交互网页
代码注释中文，标识符英文
深色主题统一视觉风格