学习指南：双引擎路径（Node + TS 主线 · Python 进阶）

🚀 新主线已上线：本页下方的「双轨 + 按周」路径是历史组织方式（内容仍完整可用，已归档至 归档 · 按周索引）。 新的学习入口是能力主线十三站：01 · LLM API 与结构化输出 开始，路线图见 首页。

你的毕业目标

23 周走完，你手里不是一堆零散知识点，而是三个可落地的产品方向（每个都有你自己跑通的项目兜底）：

产品线	一句话定义	Node + TS 主线即可实现
知识库问答	企业文档进得去，带引用的准确答案出得来	OpenAI 兼容 Embedding + pgvector + 引用溯源（TS 全链路）
文档智能	PDF / Word 上传 → 解析 → 结构化入库 → 问答	pdf-parse 提取 + AI SDK 结构化输出（扫描件走云 OCR API）
客服系统	多轮对话 + 业务操作 + 高危操作人工审批	AI SDK 工具循环 + needsApproval 审批 + 渠道接入

最重要的认知：三条线共用同一套引擎——Agent 循环（第 11 周 AI SDK）、检索（RAG 补篇）、记忆、评估（第 16 周）、生产化（第 21 周）。学引擎，就是在为三条线同时铺路；所以前 13 周不要问"这和我做知识库有什么关系"，关系在第 14 周之后全部兑现。

两条学习路径

主线：Node + TS（推荐首选）

适合：前端 / JS 工程师，或想用最熟悉的技术最快落地的人。全程只用 TypeScript——Agent 循环、RAG、MCP、评估都有成熟的 TS 实现（AI SDK 6 月下载 2000 万+，MCP 官方 TS SDK，promptfoo 原生 JS）。

主线学习序列（周编号对应侧边栏目录，顺序即学习顺序）：

第 1-8 周   全栈底座：TS/Monorepo → Next.js → NestJS → PG/Prisma
            → 认证 → Redis → Docker/CI → 云部署
第 11 周    LLM API 原生 + AI SDK：裸 API → 流式 → FC → 结构化输出
            → streamText/useChat → needsApproval 审批
第 16 周    评估工程：promptfoo（JS 原生）+ judge + CI 门禁（Day 4/6 为 TS 主日）
第 20 周    全栈整合：Next.js + NestJS BFF + Agent 服务
第 22-23 周 简历 + 面试冲刺

主线补篇（让 TS 主线完整覆盖三大产品的关键增量，陆续发布）：

• Agent 循环 TS 深入：ToolLoopAgent 多步任务 + 手写循环对照 + 多 Agent 模式
• RAG TS 全链路：切块 → Embedding → pgvector → 混合检索 → 溯源
• MCP TypeScript SDK：Server / Client / 审批
• 记忆 TS 版：会话记忆 + 用户偏好 + 语义缓存

第二引擎：Python（进阶选修）

什么时候再学 Python：

1. 目标岗位是 AI 平台 / 算法应用团队（JD 硬性要求 Python）
2. 需要 run 本地模型或 Python 独占生态：Ragas / DeepEval / PaddleOCR / sentence-transformers
3. 要和公司的算法团队（Python 存量）协作

内容就是侧边栏里的第 9-10 周（Python/FastAPI）与第 12-19 周的 Python 实现（LangGraph/DeepEval/记忆/安全实验）——它们没有被删除，只是从主线后置为第二引擎。有第 1-8 周的 JS 功底，第 9 周的对照式教学能让你 2-3 周上手 Python。

两条路径的取舍口诀

• 前端出身、想最快落地三大产品、目标 AI 应用岗 → TS 主线
• 目标 AI 平台 / 算法应用团队、需要本地模型与数据处理深度 → 主线之后补 Python
• opencode 本身就是纯 TS 手写循环的顶级 Agent——TS 主线的天花板足够高

三条产品线 × 双路径映射

产品线	TS 主线实现	Python 深化方向（第二引擎）
知识库问答	AI SDK 结构化输出 + pgvector（postgres.js）+ 混合检索	Ragas 评估 / 本地 bge 模型 / 深度文档解析
文档智能	pdf-parse 提取 + LLM 结构化抽取 + 云 OCR API	PaddleOCR / 版面分析模型
客服系统	AI SDK 工具循环 + needsApproval + 渠道接入	Python 侧坐席服务 / 语音链路

标杆产品：怎么研究、何时研究

三步法（对每个标杆都用）：

1. 用：注册或部署，拿一个真实任务走全流程（上传一份真 PDF 再提问；在 Fin 演示里问一个它答不了的问题，看怎么转人工）
2. 拆：每个功能问四个问题——解决什么痛点？背后大概是什么技术（对照你学的哪一周）？它没做什么（漏掉的常是机会）？换成你会怎么做？
3. 写：每个标杆留半页分析笔记进你的笔记库——第 22 周写简历、备面试时，这些笔记就是弹药

研究节奏（别在第 1 周就去拆产品，先建后拆校准才有意义）：

• 主线进入 Agent 篇起：每周花 1-2 小时同步拆当周对应的标杆
• 第 19 周：课程带你上手 Dify，那时你的 v4 已能和它逐功能对比——产品 sense 就来自这场对比
• 第 22 周：研究笔记直接变成简历与面试素材

每天的节奏（2-3 小时）

1. 读教程（约 40-60 分钟）
   打开本日教程，先通读"概念讲解"，理解为什么再动手

2. 敲代码（约 60-90 分钟）
   跟着"动手任务"一步步做，代码要自己敲，不要复制粘贴

3. 自测（约 15 分钟）
   回答文末"自测问题"，答不上来的回去重读对应小节

4. 记录（约 15 分钟）
   提交代码到 Git，写 3 行日报：学了什么 / 产出了什么 / 卡在哪里

每周的节奏

• Day 1-6：学习 + 动手
• Day 7：周复盘（参考第 1 周 Day 7 的复盘方法论）

卡住了怎么办

1. 先看教程"常见踩坑"小节——80% 的问题都在里面
2. 报错信息直接搜索，优先看官方文档和 GitHub Issues
3. 问 AI 时把完整报错 + 你做了什么贴上，不要只贴一句话

教程进度

23 周全部 161 篇教程已完结。侧边栏按 5 个阶段组织，每周包含周概览（日程表 + 参考资源）和 Day 1-7 七篇教程，也可以用左上角搜索快速定位主题。

学习节奏建议

不必严格按周历执行——但顺序强烈建议保持：每周的教程都建立在前一周的产出之上（第 4 周的数据库就是第 10 周 SQLAlchemy 的库、第 17 周记忆直接复用第 14 周的 pgvector）。