阶段 1：编程与服务基础

目标

• 独立编写脚本，掌握服务端开发基础
  关键技术

1. Python 核心
   • 变量/流程控制/函数
   • 数据结构：list/dict/set
   • 类与对象、异常处理、文件与 JSON 操作
   • 模块化与 typing 类型标注
2. HTTP 与 FastAPI
   • HTTP 方法（GET/POST）、状态码、请求头、JSON Body
   • FastAPI 路由/参数/请求体/响应体
   • Pydantic 数据校验（BaseModel/字段约束/严格模式）
3. 数据存储
   • SQL 基础：SELECT/JOIN/INSERT/UPDATE
   • SQLAlchemy 2.x 数据库连接
   • Redis 数据类型与应用（缓存/会话/限流）

---

阶段 2：LLM 应用基础

目标

• 掌握模型 API 调用与上下文管理
  关键技术

1. 模型交互
   • 消息结构设计（多轮对话/角色标识）
   • 流式输出处理
   • 工具调用（Tools API）与状态交互
2. 提示工程
   • 结构化输出（强制 JSON 格式）
   • 函数调用（Function Calling）原理
   • 错误兜底与参数校验策略

---

阶段 3：RAG 基础与项目

目标

• 实现端到端 RAG 系统，优化知识检索
  关键技术

1. RAG 原理
   • 流程分解：分块 → 向量化 → 检索 → 增强生成
   • 语义搜索 vs 关键词搜索
   • 向量数据库作用（相似度计算）
2. PDF RAG 实战
   • 文档切块策略（按章节/重叠窗口）
   • 元数据过滤（metadata filter）
   • 引用来源追踪与结果展示

---

阶段 4：Tool Calling 与 Agent

目标

• 构建多工具协同的 Agent 系统
  关键技术

1. Agent 核心
   • 工具定义（Schema 设计）
   • 循环控制：执行 → 结果回传 → 决策终止
2. 状态管理
   • LangGraph 工作流（State/Node/Edge）
   • 短期记忆（Short-term Memory）
   • 持久化状态（State Persistence）

---

阶段 5：项目升级

目标

• 整合 RAG + Agent 实现可演示系统
  关键任务
• 模块解耦：知识检索层 + 工具调度层
• 设计可扩展的 Agent 决策树

---

阶段 6：系统强化

目标

• 提升稳定性、安全性与可观测性
  关键技术

1. 防护体系
   • 注入攻击防御（Prompt Injection）
   • 敏感操作确认机制
   • 超时/重试/降级策略
2. 监控评测
   • 链路追踪（Tracing）
   • 评估指标设计（Evals）

---

阶段 7：部署与交付

目标

• 完成生产级部署与面试准备
  关键技术

1. 容器化
   • Dockerfile 编写
   • docker-compose 多服务编排
2. 运维基础
   • 环境变量管理
   • 服务启动方式（UVicorn + ASGI）
3. 项目打磨
   • 架构图与核心流程文档
   • 故障排查手册

---

学习策略建议

1. 渐进式实践
   • 每阶段完成 1 个 MVP 项目（如阶段 3 实现 PDF RAG，阶段 4 添加工具调用）
2. 技术联动
   • 用 FastAPI 封装模型接口（阶段 1+2 结合）
   • 用 Redis 缓存向量检索结果（阶段 1+3 结合）
3. 面试聚焦
   • 重点深化阶段 5 项目，明确技术选型依据（如分块大小对召回率的影响）

注：所有代码实践需遵循 PEP 规范，API 设计需符合 RESTful 原则，关键算法如 RAG 召回可记录时延指标。