学习路线图

先学什么，再学什么

这条路线图把 AIHub 的内容组织成四条学习主线，先从应用层开始，再补工程层能力。

路线图不是目录，而是行动顺序

第一屏帮你选方向，这一层帮你判断每条主线当前有没有足够内容可学。

AgentReady Now

Agent 工作流

从 ReAct、工具调用到可回放流程，把 AI 应用先做稳，再做复杂。

1

文章

1

问答

1

项目

建议起手

先看 Agent 基础文章，理解流程编排的边界

再看问答区的真实问题，补齐常见失败模式

WorkflowMCP

RAGReady Now

RAG 检索与评测

围绕召回、切片、重排、引用和评测，把知识库系统真正做可运营。

1

文章

1

问答

1

项目

建议起手

先看 RAG 入门文章，掌握基础链路

再看问答里的线上问题，排查幻觉和截断

评测向量数据库

MCPReady Now

MCP 工具协议

把工具调用协议化、可发现、可治理，让 Agent 工具层真正工程化。

1

文章

1

问答

1

项目

建议起手

先看 MCP 相关文章，理解协议层的价值

再看问答里的权限与隔离问题

WorkflowAgent

部署Ready Now

推理部署与观测

从推理服务、性能回退、资源指标到业务可观测性，补齐 AI 底层工程。

1

文章

1

问答

1

项目

建议起手

先看推理部署文章，补齐基础指标体系

再看问答区的线上排障经验

Observability评测

推荐顺序

先把学习主线走通，再回到社区里看更多内容。

第一阶段，先做应用层

先把能被用户直接感知的 AI 应用和知识系统做稳。

Agent 工作流

从 ReAct、工具调用到可回放流程，把 AI 应用先做稳，再做复杂。

RAG 检索与评测

围绕召回、切片、重排、引用和评测，把知识库系统真正做可运营。

第二阶段，再补工程层

把工具协议、部署和观测能力补齐，形成完整工程链路。

MCP 工具协议

把工具调用协议化、可发现、可治理，让 Agent 工具层真正工程化。

推理部署与观测

从推理服务、性能回退、资源指标到业务可观测性，补齐 AI 底层工程。

当前社区内容

每条主线都已经有可看的内容，可以直接从真实社区素材开始学。

Agent适合做 AI 应用开发、自动化助手和工作流编排的人

Agent 工作流

从 ReAct、工具调用到可回放流程，把 AI 应用先做稳，再做复杂。

0

文章

1

问答

1

项目

RAG适合做知识库、企业搜索和评测平台的人

RAG 检索与评测

围绕召回、切片、重排、引用和评测，把知识库系统真正做可运营。

1

文章

1

问答

1

项目

MCP适合做平台、SDK、工具治理和 Agent 基础设施的人

MCP 工具协议

把工具调用协议化、可发现、可治理，让 Agent 工具层真正工程化。

1

文章

1

问答

1

项目

部署适合做模型部署、推理优化、服务治理和性能分析的人

推理部署与观测

从推理服务、性能回退、资源指标到业务可观测性，补齐 AI 底层工程。

1

文章

0

问答

1

项目