168 天从 LLM 基础到生产级 Agent 系统的完整学习路线。六个阶段：LLM + Agent Runtime → Harness / Tool / Environment → Context / Memory / Retrieval → GPU 与推理服务 → 评估与研究 → 生产化与开源。每篇都有动手练习，目标是能独立设计与交付 Agent 系统。
全部文章（31 篇）
AI Agent 工程师 Day 40：MCP Resource：获取上下文与数据
Day 40/168 | M2 MCP Resource 概念 | MCP Resource：获取上下文与数据。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 39：MCP Discovery：工具的自动发现
Day 39/168 | M2 MCP 工具发现 | MCP Discovery：工具的自动发现。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 37：MCP Protocol：从协议到实现
Day 37/168 | M2 MCP 协议实践 | MCP Protocol：从协议到实现。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 35：Tool Runtime V2：完整 Tool 工程体系
Day 35/168 | M2 Tool Runtime 整合 | Tool Runtime V2：完整 Tool 工程体系。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 34：Tool Result Engineering：当返回结果有 50MB
Day 34/168 | M2 Tool 结果处理 | Tool Result Engineering：当返回结果有 50MB。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 33：Retry / Timeout / Idempotency：不是所有 Tool 都该重试
Day 33/168 | M2 Tool 可靠性深度 | Retry / Timeout / Idempotency：不是所有 Tool 都该重试。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 32：Tool Executor V2：执行流水线设计
Day 32/168 | M2 Executor 重构 | Tool Executor V2：执行流水线设计。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 31：Tool Description：描述如何影响选择
Day 31/168 | M2 Tool 描述工程 | Tool Description：描述如何影响选择。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 30：Tool Schema Engineering：从参数到成功率
Day 30/168 | M2 Schema 设计深度 | Tool Schema Engineering：从参数到成功率。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 29：重新理解 Tool：Tool Calling ≠ Tool Execution
Day 29/168 | M2 Tool 概念重塑 | 重新理解 Tool：Tool Calling ≠ Tool Execution。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 28：M1 最终考试：从零实现 Agent Runtime
Day 28/168 | M1 M1 月度验收 | M1 最终考试：从零实现 Agent Runtime。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 27：Agent Runtime V2：大重构
Day 27/168 | M1 Runtime 架构重构 | Agent Runtime V2：大重构。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 26：Benchmark：Agent 的第一份实验数据
Day 26/168 | M1 Agent Benchmark 体系 | Benchmark：Agent 的第一份实验数据。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 25：Trace：让 Agent 的每一步可观测
Day 25/168 | M1 Agent Trace 设计 | Trace：让 Agent 的每一步可观测。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 24：比较三种架构：我的 Runtime vs LangGraph vs AutoGen
Day 24/168 | M1 架构对比与取舍 | 比较三种架构：我的 Runtime vs LangGraph vs AutoGen。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 23：拆解 AutoGen Runtime：Agent 与 Runtime 的边界
Day 23/168 | M1 AutoGen 架构分析 | 拆解 AutoGen Runtime：Agent 与 Runtime 的边界。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 22：拆解 LangGraph：Graph / State / Node / Edge
Day 22/168 | M1 LangGraph 架构分析 | 拆解 LangGraph：Graph / State / Node / Edge。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 21：Stateful Agent V1：State + Checkpoint + Streaming 整合
Day 21/168 | M1 有状态 Agent 整合 | Stateful Agent V1：State + Checkpoint + Streaming 整合。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 20：Streaming：Token 流与 Agent 事件流
Day 20/168 | M1 流式输出 | Streaming：Token 流与 Agent 事件流。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 19：Human-in-the-loop：Agent 的审批机制
Day 19/168 | M1 人机协作 | Human-in-the-loop：Agent 的审批机制。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 18：Checkpoint：让 Agent 可以崩溃恢复
Day 18/168 | M1 Agent 持久化 | Checkpoint：让 Agent 可以崩溃恢复。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 16：Message State：Agent 跑 10 轮后模型应该看到什么
Day 16/168 | M1 消息管理 | Message State：Agent 跑 10 轮后模型应该看到什么。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 11：Error Handling：Agent 的统一错误处理
Day 11/168 | M1 Agent 错误处理体系 | Error Handling：Agent 的统一错误处理。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 10：Tool Executor：执行与结果归一化
Day 10/168 | M1 Tool Executor 设计 | Tool Executor：执行与结果归一化。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 9：Tool Schema Engineering：参数校验与错误处理
Day 9/168 | M1 Tool Schema 设计 | Tool Schema Engineering：参数校验与错误处理。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 8：Tool Registry：从直接调用到注册管理
Day 8/168 | M1 Tool Registry 设计 | Tool Registry：从直接调用到注册管理。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 5：Structured Output 与 Tool Calling
Day 5/168 | M1 从自然语言到结构化行动 | Structured Output 与 Tool Calling。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 4：Sampling：模型输出的本质是什么
Day 4/168 | M1 Logits / Softmax / Temperature / Top-k / Top-p | Sampling：模型输出的本质是什么。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 3：Attention 与 KV Cache：LLM 推理的基石
Day 3/168 | M1 Self Attention / KV Cache / Prefill / Decode | Attention 与 KV Cache：LLM 推理的基石。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 2：Token 与 Context Window：为什么上下文不是无限的
Day 2/168 | M1 Token / Tokenizer / Context Window | Token 与 Context Window：为什么上下文不是无限的。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。
AI Agent 工程师 Day 1：建立完整认知地图：从 LLM 到 Agent Runtime
Day 1/168 | M1 LLM → Agent 的完整演进链路 | 建立完整认知地图：从 LLM 到 Agent Runtime。6 个月从 LLM 到生产级 Agent 系统的完整学习路线。