1. AI 发展史与关键转折
- 规则系统 -> 机器学习 -> 深度学习 -> 生成式 AI -> Agent
- 理解“为什么 2023 后企业开始规模化部署 AI”
- 练习：用一页图画出 AI 技术演进树
Roadmap
双层学习路线（你确认的 V3）
| 学习层 | 目标 | 适合人群 | 产出 |
|---|---|---|---|
| 第一部分：概念认知 | 建立 AI 与 Agent 的正确心智模型 | 0 基础、业务同学、产品经理 | 能讲清楚“为什么用、何时用、怎么选” |
| 第二部分：深入与实践 | 掌握工程化搭建、评估、上线方法 | 开发者、技术管理者、AI 项目负责人 | 可运行、可评测、可迭代的 Agent 系统 |
Part 1
第一部分：先有概念（通俗 + 场景）
每章包含：场景理解、核心概念、10-20 分钟小练习。
2. 知名 AI 产品地图
- 对话助手、代码助手、搜索问答、自动化平台的差异
- 从用户视角看“提效”与“替代”的边界
- 练习：把你常用工具按聊天/检索/执行分类
3. 本地模型、大模型、GPU 入门
- 本地模型 vs 云端大模型：隐私、成本、效果、部署难度
- GPU 为什么影响训练与推理速度
- 练习：给你的业务选“本地优先”还是“云端优先”
4. Agent 到底是什么
- Agent 与普通聊天机器人的本质区别
- “理解任务 -> 调工具 -> 反馈迭代”的工作闭环
- 练习：拆解一个“查天气并给行程建议”的 Agent 流程
5. 场景案例课（业务同学也能懂）
- 企业知识问答（RAG）
- 客服工单分流（Workflow）
- 研发提效（IDE Agent）
Part 2
第二部分：深入学习（工程 + 动手）
每章包含：核心原理、工程要点、可执行实践任务。
6. LLM 工程关键指标
- Reasoning vs Throughput：大脑与反射神经
- 上下文窗口、指令遵循、函数调用准确率
- 实践：同任务对比不同模型的质量/成本/延迟
7. Skill / Function Calling / MCP
- 从 Prompt 到结构化工具调用
- Schema、重试、兜底、权限边界
- 实践：实现 `get_weather` 工具与失败重试策略
8. RAG 全链路工程化
- 清洗、分块、索引、检索、重排、引用
- 混合检索、metadata filter、查询改写
- 实践：做一个必须附来源片段的问答系统
9. Workflow 工程化（Dify / Coze 思路）
- 状态机、条件分支、循环、人工兜底
- Workflow 即 API：流程产品化
- 实践：搭一个客服意图分流工作流并记录失败样本
10. 平台深度：OpenClaw / Dify / Cursor / Claude / Codex
- 能力定位、适用任务、协作方式
- 背后模型：平台层 vs 模型层，避免“工具=模型”的误解
- 实践：同一任务分别用两类平台实现并对比
11. 把 AI 用好的通用技巧
- 目标-约束-格式三段式提示
- 先检索后结论、先草稿后审校、关键结论必须可追溯
- 实践：把一个模糊需求改写成可执行任务单
12. 特定领域落地：标书客户 Skill 搭建
- Skill 分层：基础规范、检索、生成、审校
- 推荐流程：解析招标文件 -> 条款映射 -> 生成 -> 合规检查
- 实践：搭建“中标/废标案例库 + RAG + 合规审校”闭环
13. Eval 与 LLMOps
- 离线评测集、线上监控、回归机制
- 成本治理（缓存/分层调用）与延迟优化（并行/流式/降级）
- 实践：建立每周自动回归评测清单
Platform View
平台与背后模型（截至 2026-03-24）
| 平台 | 定位 | 背后模型情况 | 推荐场景 |
|---|---|---|---|
| OpenClaw | 自主 Agent/操作型框架 | 按部署可接入不同模型（本地或云端） | 浏览器与系统操作自动化、协同探索 |
| Dify | Agent/Workflow 编排平台 | 支持多模型提供商，不绑定单一模型 | 企业流程化应用、RAG 与 API 封装 |
| Cursor | IDE 内 Agent 编程工具 | 支持多模型提供商切换 | 日常编码、重构、批量修复 |
| Claude | Anthropic 模型与应用生态 | Claude 系列模型（如 Sonnet/Opus 代际） | 长文本理解、代码与文档协作 |
| Codex | OpenAI 编程代理能力体系 | 基于 OpenAI 模型家族的代码能力 | 自动化改码、任务分解、开发流程协作 |
Tender Skill Playbook
标书场景 Skill 搭建建议
- Skill A：术语与格式规范
- 统一招投标术语、章节结构、语气与格式，避免输出风格漂移。
- Skill B：招标文件解析
- 抽取资格条款、评分项、硬性要求，形成结构化清单。
- Skill C：方案生成
- 依据条款映射生成技术方案、实施计划与风险保障，并附证据来源。
- Skill D：合规审校
- 检查漏项、冲突、措辞风险，高风险条款强制人工确认。
- Skill E：复盘评估
- 沉淀中标/废标案例，形成 Eval 集合，持续优化命中率与合规率。
References
权威参考（优先官方与论文）
- OpenAI Function Calling 指南
- OpenAI Retrieval 指南
- OpenAI Evals 指南
- MCP 官方规范（2025-06-18）
- Dify Knowledge 文档
- Dify Workflow API
- Cursor 模型支持文档
- Anthropic Claude 模型总览
- RAG 论文（2020）
- Self-RAG 论文（2023）
注：模型和平台能力更新快，建议每月做一次版本校验。