需求清单
Start, Basics, Junior 模块
扩展现有材料
- 补充当前材料
- 关于各行业代理的实际案例的模块
- 关于提示词缓存的模块
Senior 模块
AI 代理学习资源
- 其他 AI 代理一站式学习商店
- 必读论文
- 本体论论文
- 前沿论文
用户界面开发
- 快速 UI 开发
- 语音机器人
基础设施和 DevOps
- 生产环境基础设施
高级提示词
- Senior-lvl 提示词
- APEs (Autonomous Programming Engines，自主编程引擎)
RAG 高级水平
- Agentic RAG
- 混合 RAG
- 子主题节点
- 图 RAG
- 重排序
- RAG 评估
- 缓存
多代理系统
- 多代理理论
- 代理之间的冲突解决
- 协议：
- MCP (Multi-agent Communication Protocol，多代理通信协议)
- ANP (Agent Negotiation Protocol，代理协商协议)
记忆理论
- 记忆理论 (Memory theory)
代理的测试和评估
- 基准测试：
- 流行的基准测试
- 如何创建自己的基准测试
- 基准测试中的错误
- 性能监控
- 基于反馈的学习 (Feedback learning)
- 在线评估
- E2E 测试
- ToolChoiceE
云解决方案
- AWS SageMaker AI 代理
- Google Vertex AI
Extra 模块
商业方面
- 商业内幕
- 商业案例
技术格局
- LandScape A2A 协议
- LandScape AgentOps 基础设施
- tracing (追踪)
- monitoring (监控)
- logging (日志记录)
- metrics (指标)
- alerting (警报)
- dashboarding (仪表盘)
- prompt engineering platforms (提示词工程平台)
- benchmark platforms (基准测试平台)
模型训练
- 模型微调：RL vs PEFT vs P-Tuning
- 关于工具使用的模型微调
模型部署
- 在生产环境中使用自己的 LLM：vLLM and friends
- 在云中使用自己的 LLM：
- serverless 解决方案 vs kubernetes
- model garden
- AWS、GCP、Azure、YC、OpenAI 的微调
Not-Agents 模块
- 改进关于轻量级后端开发的模块材料