AI AGENT · PRODUCTION CURRICULUM · 2026

从能跑，到能进生产

基于你的 XMind 能力地图，重构为一条面向互联网前沿工程实践的路线：10 个模块、42 个可点击深度专题、35 道核心能力问答与 1 个贯穿式项目。基础知识优先引用厂商官方资料，SDBP 案例按当前代码证据说明。

10能力模块
42深度专题
86一手来源
4×质量检查
学习路径

按生产闭环，而非框架目录学习

判断 → 构建 → 可靠 → 治理 → 评测 → 交付

贯穿式真实案例 · SDBP

学完通用原理，立即落到四个真实仓库

课程的 10 个模块都加入“SDBP 当前实现”代码案例；主消息执行链案例页把正向请求、反向事件、上下文、Session、存储、沙箱和受控出网串成一条可核验消息流。

CHANNELFE / Hi / OpenAI-compatible
↓
BUSINESSsdbp-be · 身份 / 上下文 / 编排
↓ HTTP POST / ↑ SSE
RUNTIMEsdbp-agent · Session / SDK / Sandbox
↓
EXECUTIONnsjail + Claude Code
XMind 分析

原能力板块关注什么

整体定位：AI Agent 核心机制 + 生产工程 + 平台基础设施

原板块关注能力课程
03 Agent 核心机制规划、工具、记忆、执行、自我纠错01–02
04 RAG / 上下文 / 记忆Embedding、混合检索、重排、长期记忆03
05 Multi-Agent / 工具 / 协议通信、任务分配、MCP、SDK、Skill04
06 Agent InfraK8s、调度、隔离、分布式与多租户05–06
07 工程化 / 稳定性 / 可观测测试、CI/CD、Trace、降级与恢复05、07
08 安全 / 沙箱 / 权限代码执行、网络、资源与租户隔离06、08
09 评测 / 实验 / 优化Agent Eval、实验链路、可靠性评估09
10 AI-Native / 前沿Coding Agent、A2A、MCP、可复用工作流04、10
11 项目 / 框架 / 进阶LangGraph、AutoGen、Coding/Browser Agent全程、10
12 协作 / 自驱 / 业务跨团队、技术判断、数据驱动落地10
结论 01

覆盖面强，明显偏生产岗

不是“Prompt 工程师”路线，而是 Runtime、RAG、分布式、沙箱、可观测、Eval 与业务落地的复合工程能力。

结论 02

存在重复，需要合并学习

工具调用/规划在 03、05 重复；Kubernetes/隔离在 06、08 交叉；评测与可观测在 07、09 交叉。本课程按工程闭环去重。

结论 03

一级地图完整，补深度而不堆层级

10/10 原板块已覆盖，不新增一级模块；在原结构内补齐以下生产与前沿盲区。

  • 什么时候不用 Agent：先建立非 Agent 基线
  • 步骤级状态、幂等、恢复与取消语义
  • 成本/时延/质量三者共同构成的 SLO
  • 参数级授权、审批绑定与凭据生命周期
  • 数据删除传播、记忆淘汰与审计保留期
  • 模型/Prompt/工具/索引升级的回归门禁
  • 事故演练、降级阶梯与生产复盘
  • 用指标和 artifacts 表达项目，而非罗列框架
  • Coding / Browser Agent 的受控执行 harness
  • A2A 与 MCP 的分工、任务生命周期与安全边界
四次自检

内容质量门禁

检查日期：2026-08-30

01

全面性

10/10 XMind 板块已映射；42 个重要知识点均有独立详情；从架构判断覆盖到项目交付。

02

正确性

官方资料优先；OpenAI、Anthropic、MCP 与基础设施文档逐项核对；开源框架只引用官方仓库/文档。

03

去冗余

合并重复主题；删除模型历史、术语罗列与框架 API 搬运；详情只保留能影响设计、实现和排障的知识。

04

表达

每个详情统一采用“结论 → 原理 → 机制 → 案例 → 检查表 → 纠错”，先讲清楚，再保留专业精度。