创意预览图

基于原图信息重新设计,整体采用现代简约的扁平化风格,浅灰背景搭配蓝绿渐变低饱和配色;排版上文字与内容分区清晰,标题醒目,重点内容用浅高亮色块突出,整体浅色调,布局疏密有致不拥挤;优化流程图,让箭头和节

用户头像

1q4ynf1vlg7...

2026.05.15
生成一张1242×1600px竖版的AI Agent学习路线图,手绘时间轴风格,纯白色背景。顶部标题是粗体卡通黄色描边黑色大字:"AI Agent学习路线图"。整体是六条横向折返时间轴,黑色横向时间轴线,红色实心箭头做流程指向,每个学习节点使用不同马卡龙浅色系圆角矩形DAY标签,标签文字黑色,下方黑色文字标注学习内容+学习资源,学习内容加粗,学习资源为常规小字。具体结构: 第1行(左→右):浅黄色圆角DAY1,学习内容:AI行业认知,资源:(B站跟李沐学AI),红色箭头指向DAY3;浅粉色圆角DAY3,学习内容:Prompt工程,资源:(B站吴恩达),红色箭头指向DAY5;浅蓝色圆角DAY5,学习内容:DeepSeek/操作,资源:(DeepSeek官方文档),红色箭头向下折返指向DAY7 第2行(右→左):浅绿色圆角DAY7,学习内容:用户故事产品画布,资源:(AI产品经理实战手册),红色箭头指向DAY9;浅紫色圆角DAY9,学习内容:RAG技术精讲,资源:(LangChain中文教程),红色箭头指向DAY11;浅橘色圆角DAY11,学习内容:私有化部署方案,资源:(vLLM部署指南),红色箭头向下折返指向DAY13 第3行(左→右):浅蓝紫色圆角DAY13,学习内容:轻量化模型微调,资源:(Hugging Face PEFT教程),红色箭头指向DAY19;浅黄色圆角DAY19,学习内容:Transformer核心,资源:(B站王树森解析),红色箭头指向DAY24;浅紫色圆角DAY24,学习内容:多模态应用开发,资源:(Stable Diffusion Colab),红色箭头向下折返指向DAY30 第4行(右→左):浅绿色圆角DAY30,学习内容:AI产品设计方法论,资源:(Google AI设计原则),红色箭头指向DAY35;浅蓝色圆角DAY35,学习内容:Agent系统开发,资源:(一站式AI产品知识库),红色箭头指向DAY40;浅灰粉色圆角DAY40,学习内容:AI商业化实战,资源:(B站AI产品变现指南),红色箭头向下折返指向DAY43 第5行(左→右):浅橘色圆角DAY43,学习内容:行业解决方案,资源:(B站实战手册第四章),红色箭头指向DAY45;浅蓝色圆角DAY45,学习内容:前沿技术追踪,资源:(B站李沐每周论文精读),红色箭头指向DAY47;浅绿色圆角DAY47,学习内容:职业发展框架,资源:(B站实战手册第七章),红色箭头向下折返指向DAY50 第6行(右→左):浅灰粉色圆角DAY50,学习内容:AI产品项目实操带学,资源:(专属项目实践),红色箭头指向DAY55;浅粉色圆角DAY55,学习内容:综合项目开发,资源:(个人知识库Agent 多Agent任务助手),红色箭头指向DAY90;浅黄色圆角DAY90,学习内容:梳理项目亮点,资源:(提炼技术栈和解决的问题 优化简历) 视觉规范:背景纯白色,所有时间线为黑色细横线,流转箭头统一红色实心箭头;每个DAY标签使用不同马卡龙浅色系圆角矩形,文字黑色;学习内容加粗,下方资源行常规小字黑色;整体简约手绘知识路线卡片风格,字体为无衬线黑体。所有节点左右折返箭头、文字位置、配色、顺序均按照以上描述完全实现。生成一张1242×1600px竖版的AI Agent学习路线图,手绘时间轴风格,纯白色背景。顶部标题是粗体卡通黄色描边黑色大字:"AI Agent学习路线图"。整体是六条横向折返时间轴,黑色横向时间轴线,红色实心箭头做流程指向,每个学习节点使用不同马卡龙浅色系圆角矩形DAY标签,标签文字黑色,下方黑色文字标注学习内容+学习资源,学习内容加粗,学习资源为常规小字。具体结构:
第1行(左→右):浅黄色圆角DAY1,学习内容:AI行业认知,资源:(B站跟李沐学AI),红色箭头指向DAY3;浅粉色圆角DAY3,学习内容:Prompt工程,资源:(B站吴恩达),红色箭头指向DAY5;浅蓝色圆角DAY5,学习内容:DeepSeek/操作,资源:(DeepSeek官方文档),红色箭头向下折返指向DAY7
第2行(右→左):浅绿色圆角DAY7,学习内容:用户故事产品画布,资源:(AI产品经理实战手册),红色箭头指向DAY9;浅紫色圆角DAY9,学习内容:RAG技术精讲,资源:(LangChain中文教程),红色箭头指向DAY11;浅橘色圆角DAY11,学习内容:私有化部署方案,资源:(vLLM部署指南),红色箭头向下折返指向DAY13
第3行(左→右):浅蓝紫色圆角DAY13,学习内容:轻量化模型微调,资源:(Hugging Face PEFT教程),红色箭头指向DAY19;浅黄色圆角DAY19,学习内容:Transformer核心,资源:(B站王树森解析),红色箭头指向DAY24;浅紫色圆角DAY24,学习内容:多模态应用开发,资源:(Stable Diffusion Colab),红色箭头向下折返指向DAY30
第4行(右→左):浅绿色圆角DAY30,学习内容:AI产品设计方法论,资源:(Google AI设计原则),红色箭头指向DAY35;浅蓝色圆角DAY35,学习内容:Agent系统开发,资源:(一站式AI产品知识库),红色箭头指向DAY40;浅灰粉色圆角DAY40,学习内容:AI商业化实战,资源:(B站AI产品变现指南),红色箭头向下折返指向DAY43
第5行(左→右):浅橘色圆角DAY43,学习内容:行业解决方案,资源:(B站实战手册第四章),红色箭头指向DAY45;浅蓝色圆角DAY45,学习内容:前沿技术追踪,资源:(B站李沐每周论文精读),红色箭头指向DAY47;浅绿色圆角DAY47,学习内容:职业发展框架,资源:(B站实战手册第七章),红色箭头向下折返指向DAY50
第6行(右→左):浅灰粉色圆角DAY50,学习内容:AI产品项目实操带学,资源:(专属项目实践),红色箭头指向DAY55;浅粉色圆角DAY55,学习内容:综合项目开发,资源:(个人知识库Agent 多Agent任务助手),红色箭头指向DAY90;浅黄色圆角DAY90,学习内容:梳理项目亮点,资源:(提炼技术栈和解决的问题 优化简历)
视觉规范:背景纯白色,所有时间线为黑色细横线,流转箭头统一红色实心箭头;每个DAY标签使用不同马卡龙浅色系圆角矩形,文字黑色;学习内容加粗,下方资源行常规小字黑色;整体简约手绘知识路线卡片风格,字体为无衬线黑体。所有节点左右折返箭头、文字位置、配色、顺序均按照以上描述完全实现。
创意 × 1
1242 × 1656 px 竖版浅米黄色背景信息图,采用两阶段卡片式布局,整体干净清爽、专业简约风。 第一阶段卡片(顶部): - 标题区:左侧棕黄色竖线,右侧文字「第三阶段 · 2-3个月 AI Agent开发」,黑色加粗标题。 - 模块1:「Agent三大核心能力」,下方三个浅棕黄色圆角框: - 规划:任务拆解、ReAct模式、Chain-of-Thought - 记忆:短期In-Context、长期外部存储、三层记忆架构 - 工具使用:Function Calling、MCP协议、外部API调用 - 模块2:「主流框架实战」,下方三个浅米黄色圆角框: - LangChain / LangGraph:复杂工作流编排、状态图驱动、延迟最低,底部标注「首推」 - CrewAI:多Agent角色链、团队协作场景、Token消耗较高,底部标注「注意避坑」 - AutoGen:对话流编排、代码生成场景、微软生态集成,底部标注「进阶探索」 第二阶段卡片(底部): - 标题区:左侧红棕色竖线,右侧文字「第四阶段 · 贯穿全程 工程化与职业发展」,黑色加粗标题。 - 模块1:「工程化部署能力」,上方浅红棕色框: - Java后端迁移优势:高并发架构 · 服务治理 · 可观测性 直接复用到AI系统设计 下方四个浅红棕色圆角框: - 服务化:RESTful API - 容器化:Docker部署 - 性能优化:量化 · 推理加速 - 监控运维:成本控制 - 模块2:「项目经验积累」,下方两个浅红棕色圆角框: - 开源项目参与:Hugging Face · GitHub社区、AI转型社区 · 同行圈子 - 算法岗方向:Fine-tuning · 数据工程ETL、评估 · 安全合规 · 成本优化 - 底部浅棕黄色长条框:居中文字「核心区分度:工程落地能力 > 单纯会用框架」 底部:居中显示「3/4」页码。 整体风格:所有文字为无衬线字体,标题加粗,模块框用浅棕/浅米黄色背景,边框圆角,排版整齐,干净清爽专业简约风。1242 × 1656 px 竖版浅米黄色背景信息图,采用两阶段卡片式布局,整体干净清爽、专业简约风。

第一阶段卡片(顶部):
- 标题区:左侧棕黄色竖线,右侧文字「第三阶段 · 2-3个月 AI Agent开发」,黑色加粗标题。
- 模块1:「Agent三大核心能力」,下方三个浅棕黄色圆角框:
  - 规划:任务拆解、ReAct模式、Chain-of-Thought
  - 记忆:短期In-Context、长期外部存储、三层记忆架构
  - 工具使用:Function Calling、MCP协议、外部API调用
- 模块2:「主流框架实战」,下方三个浅米黄色圆角框:
  - LangChain / LangGraph:复杂工作流编排、状态图驱动、延迟最低,底部标注「首推」
  - CrewAI:多Agent角色链、团队协作场景、Token消耗较高,底部标注「注意避坑」
  - AutoGen:对话流编排、代码生成场景、微软生态集成,底部标注「进阶探索」

第二阶段卡片(底部):
- 标题区:左侧红棕色竖线,右侧文字「第四阶段 · 贯穿全程 工程化与职业发展」,黑色加粗标题。
- 模块1:「工程化部署能力」,上方浅红棕色框:
  - Java后端迁移优势:高并发架构 · 服务治理 · 可观测性 直接复用到AI系统设计
  下方四个浅红棕色圆角框:
  - 服务化:RESTful API
  - 容器化:Docker部署
  - 性能优化:量化 · 推理加速
  - 监控运维:成本控制
- 模块2:「项目经验积累」,下方两个浅红棕色圆角框:
  - 开源项目参与:Hugging Face · GitHub社区、AI转型社区 · 同行圈子
  - 算法岗方向:Fine-tuning · 数据工程ETL、评估 · 安全合规 · 成本优化
- 底部浅棕黄色长条框:居中文字「核心区分度:工程落地能力 > 单纯会用框架」

底部:居中显示「3/4」页码。

整体风格:所有文字为无衬线字体,标题加粗,模块框用浅棕/浅米黄色背景,边框圆角,排版整齐,干净清爽专业简约风。
生成一张1242 × 1656px 竖版学习清单海报,整体为纯白色背景,简约办公文档风格。排版要求:使用黑色细水平分割线分隔每个章节,每章节标题放置在浅黄色矩形高亮背景条中,使用黑色标准无衬线黑体。目标行文字使用红色,知识点前置带对勾的黑色方框符号。文字内容、排版缩进、换行格式、行间距完全按照以下内容1:1复刻: 第五步:RAG检索增强生成(浅黄色高亮背景条,黑色标题字) 目标:给大模型接入私有数据,解决“知识过时/不知道内部信息”的问题(红色字体) 核心内容:(黑色加粗) ☑ RAG整体流程:数据加载 → 文本分块 → Embedding生成 → 向量存储 → 检索召回 → 生成增强 ☑ 关键技术:文本分块策略、Embedding模型选择、向量数据库(Chroma/FAISS/Pinecone) ☑ 优化技巧:重排序(Rerank)、混合检索、多模态RAG、知识库更新 ☑ 常见问题:召回不准、信息冲突、上下文溢出的解决方案 (添加黑色细水平分割线) 第六步:LangChain开发框架(浅黄色高亮背景条,黑色标题字) 目标:快速搭建大模型应用的基础框架,理解模块化开发思想(红色字体) 核心内容:(黑色加粗) ☑ LangChain核心组件:链(Chains)、提示词模板、工具调用、记忆模块 ☑ 核心应用:对话链、问答链、RAG链、工具链(调用API/计算器/数据库) ☑ 扩展能力:多模型兼容(OpenAI/开源模型)、异步调用、错误处理 ☑ 应用架构:如何把Prompt、RAG、工具封装成可复用的组件 (添加黑色细水平分割线) 第七步:LangGraph工作流编排(浅黄色高亮背景条,黑色标题字) 目标:解决复杂业务的流程控制,实现有状态、可分支的大模型应用(红色字体) 核心内容:(黑色加粗) ☑ LangGraph基础:节点(Node)、边(Edge)、状态(State)、图的构建 ☑ 核心功能:条件分支、循环流程、状态持久化、人工介入(Human-in-the-loop) ☑ 典型场景:多步骤任务拆解、审批流、多轮对话状态管理 ☑ 与LangChain的配合:如何把LangChain组件接入LangGraph工作流 (添加黑色细水平分割线) 第八步:Agent智能体开发(浅黄色高亮背景条,黑色标题字) 目标:让大模型具备“自主规划、工具调用、解决复杂任务”的能力(红色字体) 核心内容:(黑色加粗) ☑ Agent核心概念:规划(Planning)、工具调用(Tool Use)、记忆(Memory)、反思(Reflection) ☑ 常见Agent框架:ReAct、Reflexion、AutoGPT、BabyAGI的原理 ☑ 工具开发:自定义工具、调用第三方API、数据库操作、文件读写 ☑ 落地优化:防止无限循环、限制工具调用次数、安全控制 全局要求:画布固定尺寸1242×1656px,整体背景纯白色;段落缩进、换行位置、行间距、分割线粗细、页面边距、左右留白全部严格对齐,无内容删减、无样式改动,所有文字清晰可识别。生成一张1242 × 1656px 竖版学习清单海报,整体为纯白色背景,简约办公文档风格。排版要求:使用黑色细水平分割线分隔每个章节,每章节标题放置在浅黄色矩形高亮背景条中,使用黑色标准无衬线黑体。目标行文字使用红色,知识点前置带对勾的黑色方框符号。文字内容、排版缩进、换行格式、行间距完全按照以下内容1:1复刻:

第五步:RAG检索增强生成(浅黄色高亮背景条,黑色标题字)
目标:给大模型接入私有数据,解决“知识过时/不知道内部信息”的问题(红色字体)
核心内容:(黑色加粗)
☑ RAG整体流程:数据加载 → 文本分块 → Embedding生成 → 向量存储 → 检索召回 → 生成增强
☑ 关键技术:文本分块策略、Embedding模型选择、向量数据库(Chroma/FAISS/Pinecone)
☑ 优化技巧:重排序(Rerank)、混合检索、多模态RAG、知识库更新
☑ 常见问题:召回不准、信息冲突、上下文溢出的解决方案
(添加黑色细水平分割线)

第六步:LangChain开发框架(浅黄色高亮背景条,黑色标题字)
目标:快速搭建大模型应用的基础框架,理解模块化开发思想(红色字体)
核心内容:(黑色加粗)
☑ LangChain核心组件:链(Chains)、提示词模板、工具调用、记忆模块
☑ 核心应用:对话链、问答链、RAG链、工具链(调用API/计算器/数据库)
☑ 扩展能力:多模型兼容(OpenAI/开源模型)、异步调用、错误处理
☑ 应用架构:如何把Prompt、RAG、工具封装成可复用的组件
(添加黑色细水平分割线)

第七步:LangGraph工作流编排(浅黄色高亮背景条,黑色标题字)
目标:解决复杂业务的流程控制,实现有状态、可分支的大模型应用(红色字体)
核心内容:(黑色加粗)
☑ LangGraph基础:节点(Node)、边(Edge)、状态(State)、图的构建
☑ 核心功能:条件分支、循环流程、状态持久化、人工介入(Human-in-the-loop)
☑ 典型场景:多步骤任务拆解、审批流、多轮对话状态管理
☑ 与LangChain的配合:如何把LangChain组件接入LangGraph工作流
(添加黑色细水平分割线)

第八步:Agent智能体开发(浅黄色高亮背景条,黑色标题字)
目标:让大模型具备“自主规划、工具调用、解决复杂任务”的能力(红色字体)
核心内容:(黑色加粗)
☑ Agent核心概念:规划(Planning)、工具调用(Tool Use)、记忆(Memory)、反思(Reflection)
☑ 常见Agent框架:ReAct、Reflexion、AutoGPT、BabyAGI的原理
☑ 工具开发:自定义工具、调用第三方API、数据库操作、文件读写
☑ 落地优化:防止无限循环、限制工具调用次数、安全控制

全局要求:画布固定尺寸1242×1656px,整体背景纯白色;段落缩进、换行位置、行间距、分割线粗细、页面边距、左右留白全部严格对齐,无内容删减、无样式改动,所有文字清晰可识别。
Generate a clean, professional directory structure infographic titled "我的 AI Agent 工作流结构", vertical layout, white background, 3:4 aspect ratio. Top left has an orange sunburst icon. Title text: "我的 AI Agent 工作流结构", with "AI Agent" in orange, other characters in black, bold font. The left side is a standard tree view folder structure with colored folder icons, the right side is a corresponding description column with colored rounded labels. All text is in Chinese, using a clear sans-serif font. Left tree structure (with colored folder icons): agent-project/ ├── 01_planner/ (blue folder) │ ├── goal.md │ ├── plan.md │ ├── task-breakdown.md │ └── roadmap.md ├── 02_memory/ (green folder) │ ├── long-term-memory.md │ ├── short-term-memory.md │ ├── entity-memory.md │ └── knowledge-graph.md ├── 03_tools/ (red folder) │ ├── api-tools/ (blue folder) │ │ ├── search.md │ │ ├── weather.md │ │ ├── calculator.md │ │ └── news.md │ ├── code-tools/ (purple folder) │ │ ├── code-executor.md │ │ ├── file-reader.md │ │ └── terminal.md │ └── custom-tools/ (purple folder) │ ├── db-query.md │ ├── notion.md │ └── slack.md ├── 04_knowledge/ (purple folder) │ ├── documents/ │ ├── embeddings/ │ ├── vector-store.md │ ├── rag-pipeline.md │ └── index-strategy.md ├── 05_agent_core/ (gray folder) │ ├── agent.md │ ├── roles.md │ ├── persona.md │ ├── workflow.md │ ├── system-prompt.md │ └── prompt-template.md ├── 06_evaluation/ (yellow folder) │ ├── eval-metrics/ │ ├── test-cases.md │ ├── benchmarks.md │ └── result-analysis.md ├── 07_observability/ (cyan folder) │ ├── logs/ │ ├── traces.md │ ├── monitoring.md │ └── alert-rules.md ├── 08_deployment/ (orange folder) │ ├── docker/ │ ├── k8s/ │ ├── deploy.md │ └── env.example ├── 09_examples/ (blue folder) │ ├── use-cases/ │ └── demo-flows.md └── 10_docs/ (purple folder) Right-side description labels (matching each section with pastel colors): - 01_planner/ (light green): 规划与任务管理 • 定义目标、拆解任务和执行计划 • 帮助Agent明确方向,分阶段完成复杂任务 - 02_memory/ (light blue): 记忆系统 • 管理不同类型的记忆(短期、长期、实体) • 支持上下文持续、知识沉淀和个性化记忆 - 03_tools/ (light pink): 工具系统 • 提供Agent可调用的各类工具 • 包括API工具、代码工具和自定义工具 • 扩展Agent能力,与外部世界交互 - 04_knowledge/ (light purple): 知识库与检索 • 管理知识库、向量索引和检索流程 • 让Agent基于私有知识产生更准确的回答 - 05_agent_core/ (light gray): Agent核心配置 • 定义Agent的角色、人格、系统提示等核心配置 • 包含工作流编排和Prompt模板管理 - 06_evaluation/ (light yellow): 评估与测试 • 定义评估指标、测试用例和基准测试 • 持续评估Agent表现,驱动优化迭代 - 07_observability/ (light cyan): 观测与监控 • 记录日志、追踪执行过程和性能监控 • 包含成本追踪和异常告警,保障稳定运行 - 08_deployment/ (light orange): 部署与运维 • 部署配置、容器化和环境管理 • 支持本地、云端和集群多种部署方式 - 09_examples/ (light blue): 示例与用例 • 提供典型使用场景、流程示例和Prompt示例 • 帮助快速上手和理解Agent的使用方式 - 10_docs/ (light purple): 文档与知识库 • 架构设计、最佳实践、FAQ和版本更新记录 • 团队协作和知识沉淀的核心资料库 Style requirements: - Use flat design, simple line icons for folders/files - Dashed gray guide lines connect each tree item to its description label.Generate a clean, professional directory structure infographic titled "我的 AI Agent 工作流结构", vertical layout, white background, 3:4 aspect ratio. Top left has an orange sunburst icon. Title text: "我的 AI Agent 工作流结构", with "AI Agent" in orange, other characters in black, bold font. The left side is a standard tree view folder structure with colored folder icons, the right side is a corresponding description column with colored rounded labels. All text is in Chinese, using a clear sans-serif font.

Left tree structure (with colored folder icons):
agent-project/
├── 01_planner/ (blue folder)
│   ├── goal.md
│   ├── plan.md
│   ├── task-breakdown.md
│   └── roadmap.md
├── 02_memory/ (green folder)
│   ├── long-term-memory.md
│   ├── short-term-memory.md
│   ├── entity-memory.md
│   └── knowledge-graph.md
├── 03_tools/ (red folder)
│   ├── api-tools/ (blue folder)
│   │   ├── search.md
│   │   ├── weather.md
│   │   ├── calculator.md
│   │   └── news.md
│   ├── code-tools/ (purple folder)
│   │   ├── code-executor.md
│   │   ├── file-reader.md
│   │   └── terminal.md
│   └── custom-tools/ (purple folder)
│       ├── db-query.md
│       ├── notion.md
│       └── slack.md
├── 04_knowledge/ (purple folder)
│   ├── documents/
│   ├── embeddings/
│   ├── vector-store.md
│   ├── rag-pipeline.md
│   └── index-strategy.md
├── 05_agent_core/ (gray folder)
│   ├── agent.md
│   ├── roles.md
│   ├── persona.md
│   ├── workflow.md
│   ├── system-prompt.md
│   └── prompt-template.md
├── 06_evaluation/ (yellow folder)
│   ├── eval-metrics/
│   ├── test-cases.md
│   ├── benchmarks.md
│   └── result-analysis.md
├── 07_observability/ (cyan folder)
│   ├── logs/
│   ├── traces.md
│   ├── monitoring.md
│   └── alert-rules.md
├── 08_deployment/ (orange folder)
│   ├── docker/
│   ├── k8s/
│   ├── deploy.md
│   └── env.example
├── 09_examples/ (blue folder)
│   ├── use-cases/
│   └── demo-flows.md
└── 10_docs/ (purple folder)

Right-side description labels (matching each section with pastel colors):
- 01_planner/ (light green): 规划与任务管理
  • 定义目标、拆解任务和执行计划
  • 帮助Agent明确方向,分阶段完成复杂任务
- 02_memory/ (light blue): 记忆系统
  • 管理不同类型的记忆(短期、长期、实体)
  • 支持上下文持续、知识沉淀和个性化记忆
- 03_tools/ (light pink): 工具系统
  • 提供Agent可调用的各类工具
  • 包括API工具、代码工具和自定义工具
  • 扩展Agent能力,与外部世界交互
- 04_knowledge/ (light purple): 知识库与检索
  • 管理知识库、向量索引和检索流程
  • 让Agent基于私有知识产生更准确的回答
- 05_agent_core/ (light gray): Agent核心配置
  • 定义Agent的角色、人格、系统提示等核心配置
  • 包含工作流编排和Prompt模板管理
- 06_evaluation/ (light yellow): 评估与测试
  • 定义评估指标、测试用例和基准测试
  • 持续评估Agent表现,驱动优化迭代
- 07_observability/ (light cyan): 观测与监控
  • 记录日志、追踪执行过程和性能监控
  • 包含成本追踪和异常告警,保障稳定运行
- 08_deployment/ (light orange): 部署与运维
  • 部署配置、容器化和环境管理
  • 支持本地、云端和集群多种部署方式
- 09_examples/ (light blue): 示例与用例
  • 提供典型使用场景、流程示例和Prompt示例
  • 帮助快速上手和理解Agent的使用方式
- 10_docs/ (light purple): 文档与知识库
  • 架构设计、最佳实践、FAQ和版本更新记录
  • 团队协作和知识沉淀的核心资料库

Style requirements:
- Use flat design, simple line icons for folders/files
- Dashed gray guide lines connect each tree item to its description label.
3:4竖版纯白背景极简手绘风技术流程图,顶部标题"从0构建 AI Agent"蓝色粗体,下方小字副标题"一张图看懂智能体的核心组成、工作闭环与扩展能力"。左侧带蓝色圆圈序号01-05,从上到下纵向流程:01:大脑图标 + LLM(大语言模型),右侧文字"负责理解、推理与生成";02:API图标 + LLM API,右侧文字"厂商通过HTTP提供调用能力";03:对话气泡图标 + Context(上下文),右侧文字"客户端维护对话历史与当前状态";04:扳手图标 + Tool Calling(工具调用),右侧文字"告诉LLM它有哪些工具可用";05:绿色方框Agent Loop(智能体循环),内部绿色循环图:Think(思考)→Act(行动)→Observe(观察)→再思考,右侧文字"让模型从“会回答”走向“会执行”"。Agent Loop下方横向分支:1. 插座图标 + MCP协议,下方文字"标准化工具对接";2. 双人图标 + Sub-Agent,下方文字"多智能体分工协作";3. 书本图标 + Agent Skill,下方文字"可复用流程封装"。右侧关键要点虚线框:标题"关键要点",内5条文字:① Agent不等于单个模型,而是模型 + 上下文 + 工具 + 循环。② LLM提供大脑,API提供接入方式。③ Context决定模型此刻“看见了什么”。④ Tool Calling让模型具备调用外部能力的入口。⑤ MCP、Sub-Agent、Skill分别解决接入、协作、复用。底部蓝色横幅框,左侧五角星图标,文字"AI Agent的本质:让LLM接入工具、带着上下文,在循环中完成任务。",其中"让LLM接入工具、带着上下文,在循环中完成任务"加蓝色下划线。整体风格:简约手绘线框、蓝色主色调、绿色Agent Loop配色、无多余装饰。3:4竖版纯白背景极简手绘风技术流程图,顶部标题"从0构建 AI Agent"蓝色粗体,下方小字副标题"一张图看懂智能体的核心组成、工作闭环与扩展能力"。左侧带蓝色圆圈序号01-05,从上到下纵向流程:01:大脑图标 + LLM(大语言模型),右侧文字"负责理解、推理与生成";02:API图标 + LLM API,右侧文字"厂商通过HTTP提供调用能力";03:对话气泡图标 + Context(上下文),右侧文字"客户端维护对话历史与当前状态";04:扳手图标 + Tool Calling(工具调用),右侧文字"告诉LLM它有哪些工具可用";05:绿色方框Agent Loop(智能体循环),内部绿色循环图:Think(思考)→Act(行动)→Observe(观察)→再思考,右侧文字"让模型从“会回答”走向“会执行”"。Agent Loop下方横向分支:1. 插座图标 + MCP协议,下方文字"标准化工具对接";2. 双人图标 + Sub-Agent,下方文字"多智能体分工协作";3. 书本图标 + Agent Skill,下方文字"可复用流程封装"。右侧关键要点虚线框:标题"关键要点",内5条文字:① Agent不等于单个模型,而是模型 + 上下文 + 工具 + 循环。② LLM提供大脑,API提供接入方式。③ Context决定模型此刻“看见了什么”。④ Tool Calling让模型具备调用外部能力的入口。⑤ MCP、Sub-Agent、Skill分别解决接入、协作、复用。底部蓝色横幅框,左侧五角星图标,文字"AI Agent的本质:让LLM接入工具、带着上下文,在循环中完成任务。",其中"让LLM接入工具、带着上下文,在循环中完成任务"加蓝色下划线。整体风格:简约手绘线框、蓝色主色调、绿色Agent Loop配色、无多余装饰。