AI 工程知识图谱：从 Transformer 到 Agentic AI 的全景地图

写在前面

最近在研究怎么把一个agent（不局限于某个类型的小龙虾）养成有记忆，会思考，能反思，可自进化的专家。其中，涉及到很重要的一部分内容，就是领域知识的积累。所以就把AI工程相关的知识给做了个搜索，归纳和总结，先分享出来，后续基于这个地图，我再一一展开进行学习及实践。

下面开始正文（5000字左右，建议先收藏有时间细读）

一张图看懂 AI Engineering 全貌——7 大模块、50+ 核心概念、5 层技术栈，帮你建立系统化的 AI 工程认知框架。

前言：为什么需要一张 AI 工程知识图谱

过去两年，AI 领域的论文数量呈指数增长，新框架每周冒出来，新概念层出不穷。很多同学的感受是：

• 学不完：今天学 RAG，明天出 GraphRAG，后天又来 Agentic RAG
• 连不上：Transformer、Prompt Engineering、Agent、MCP 之间是什么关系？
• 用不对：知道概念但不知道什么时候用、怎么选型

知识图谱解决的就是"连不上"的问题——不是教你每个概念的细节，而是帮你建立概念之间的连接关系，形成一张可导航的地图。

本文将 AI 工程拆解为 7 大模块，每个模块给出核心概念、关键论文、选型决策和模块间关联，最终形成一张完整的知识图谱。

一、知识图谱总览

二、模块 1：基石与里程碑

1. 核心时间线

2. 必读论文 Top 5（入门优先级排序）

• Attention Is All You Need (2017) — Transformer，所有大模型的祖先
• GPT-3 (2020) — 涌现能力，In-Context Learning
• InstructGPT (2022) — RLHF 对齐三阶段
• Chain-of-Thought (2022) — 让模型一步步思考
• ReAct (2022) — Agent 架构的理论基础

3. 关键术语速查

三、模块 2：大模型架构与训练

1. Transformer 核心结构

2. Self-Attention 直觉类比：

• Q（Query）= “我在找什么”
• K（Key）= “我是什么”（被搜索的标签）
• V（Value）= “我的内容”（实际信息）

就像在图书馆：Q 是你的问题，K 是书名，V 是书的内容。根据问题与书名的匹配度，决定花多少注意力在每本书上。

3. 训练三阶段

核心公式：数据质量 >> 数据数量。宁可 1 万条高质量，不要 100 万条低质量。

4. 高效微调方法选型

5. 推理优化

6. 模型选型决策树

你的场景：

├── 通用对话/创作 → GPT-4o / Claude Sonnet
├── 复杂推理/数学 → o3 / DeepSeek-R1
├── 代码生成 → Claude Opus 4
├── 超长文档 → Gemini 2.0 (1M 窗口)
├── 本地部署/隐私 → Llama 3.1 / Qwen 2.5
├── 中文场景 → Qwen 2.5 / DeepSeek
└── 成本敏感 → DeepSeek-V3

四、模块 3：Prompt 工程

• Prompt 的本质

完整的 Prompt = 角色 + 上下文 + 指令 + 输入 + 输出格式 + 约束

同一个模型，Prompt 不同，输出质量可以差 10 倍。

• 核心模式

• CoT 的变体进化

Zero-Shot CoT → "Let's think step by step"
    ↓
Few-Shot CoT → 给带推理过程的示例
    ↓
Self-Consistency → 多次采样取一致性最高的答案
    ↓
Tree of Thoughts → 树状搜索多条推理路径

• System Prompt 架构设计

一个优秀的 System Prompt 应该是分层的：

System Prompt = 身份层 (我是谁)
             + 灵魂层 (我怎么思考)
             + 知识层 (我知道什么)
             + 记忆层 (我经历过什么)
             + 工具层 (我能做什么)

• Prompt 注入防御

• 2026 前沿：Prompt Bloat 问题

MCP 工具数量爆炸 → 工具描述塞满 context → LLM 工具选择准确率下降。

解法：RAG-as-Routing，用语义检索预筛选工具（top-k），只把相关工具注入 Prompt。实测 prompt token 降低 60%+。

五、模块 4：Agent 架构

1. Agent = LLM + 记忆 + 工具 + 规划

2. Agent 核心循环

Perceive (感知) → Think (思考) → Act (行动) → Observe (观察) → 循环

3. 五大设计模式

模式 1：ReAct（最广泛使用）

Thought → Action → Observation → Thought → Action → ...

简单直观，但串行执行，没有全局规划。

模式 2：Plan-and-Execute

制定完整计划 → 逐步执行 → 根据中间结果 Replan

有全局视角，适合复杂任务。

模式 3：Reflexion

执行 → 自我评估 → 存储反思 → 下次避免同类错误

持续自我改进。

模式 4：Multi-Agent

Orchestrator
  ├── Researcher → 信息收集
  ├── Writer → 内容生成
  └── Reviewer → 质量检查

—— 分工协作，适合复杂工作流。

模式 5：Tool-Use Agent

LLM 决定何时调用什么工具。模型不是"执行"工具，而是生成工具调用的 JSON 描述，由外部系统执行。

4. 记忆系统设计

5. Agent 框架选型

6. 2026 关键洞察

Agent 系统工程三角：编排 + 记忆治理 + 工具可靠性，决定 Agent 能否真正落地。

六、模块 5：上下文工程与 RAG

1. 核心矛盾：“看到” ≠ “记住”

Lost in the Middle 问题：模型对上下文开头和结尾更敏感，中间部分容易被忽略。即使窗口有 200K，实际有效利用的可能只有 50-70%。

2. 上下文工程原则

上下文 = System Prompt (固定层)
       + User Profile (半固定层)
       + Retrieved Knowledge (动态检索层)
       + Conversation History (对话层)
       + Current Query (当前输入层)

5 条黄金法则：

• 最相关的信息放在开头和结尾
• System Prompt 越精简越好
• 动态检索胜于静态塞入
• 摘要压缩胜于直接截断
• 结构化（Markdown/JSON）胜于纯文本

3. RAG 完整流程

离线：文档 → 解析 → 清洗 → 分块 → Embedding → 向量数据库
在线：查询 → Query Embedding → 向量检索 → 重排序 → 拼 Prompt → 生成

3.1 分块策略选型

最佳实践：块大小 256-1024 Token，重叠 10-20%。

3.2 向量数据库选型

3.3 高级 RAG 技术矩阵

2026 前沿：Agentic RAG

RAG 正在从"检索工具"升级为"Agent 基础设施"：

架构选型：

• 简单问答 → Agentic RAG（成本低）
• 跨实体全局推理 → GraphRAG（不可替代）

七、模块 6：Skills、MCP 与工具链

1. MCP = AI 的 USB 接口

MCP (Model Context Protocol) = Anthropic 提出的开放协议，让 AI 模型标准化地连接外部工具和数据源。

MCP Client (AI应用)  ←─MCP协议─→  MCP Server (工具提供方)
  Claude/Cursor/CodeBuddy         GitHub/Slack/数据库/文件系统

2. Skill vs Prompt vs Tool

2026 关键洞察：RAG-MCP

MCP 工具超过 30 个后，必须启用 RAG-based Skill Router，否则工具选择准确率崩溃：

八、模块 7：评估与安全

1. 成本计算公式

月成本 = 日均请求数 × 平均 Token 数 × Token 单价 × 30

例：10000 请求/天 × 2000 Token × 0.003/1K × 30 = 1,800/月

2. Agent 评估维度

3. 安全红线

九、跨模块关联：知识图谱的关键边

知识图谱的价值不在于节点（单个概念），而在于边（概念间的关系）。

关键关联 1：Transformer → Prompt → Agent

Transformer 的 Self-Attention 机制
    → 使得模型能理解长距离依赖
    → 使得 CoT (链式思考) 成为可能
    → 使得 ReAct (推理+行动) 成为可能
    → Agent 架构的基础

关键关联 2：Embedding → RAG → Agent

Embedding 将文本映射到向量空间
    → 使得语义检索成为可能
    → RAG 用 Embedding 检索相关知识
    → Agent 用 RAG 扩展知识边界
    → Agentic RAG 让 Agent 自主决定检索策略

关键关联 3：MCP → Skill → Agent

MCP 统一工具接口
    → Skill 封装为可复用能力单元
    → Agent 通过 Skill 调用工具
    → RAG-MCP 解决工具选择问题

关键关联 4：记忆 → 上下文 → 压缩

长期记忆（文件/向量库）
    → 上下文窗口有限（200K）
    → 需要压缩（摘要/截断/检索）
    → 迭代式摘要 + Handoff 框架
    → 记忆的 CRUD + 遗忘机制

十、学习路线图

1. 入门路线（2-3 周）

1. 3Blue1Brown 神经网络视频 → 建立直觉
2. Jay Alammar “The Illustrated Transformer” → 理解 Transformer
3. 精读模块 1-3（基石 + 架构 + Prompt）→ 打基础
4. 动手写 Prompt，跑通 CoT / Few-Shot

2. 进阶路线（4-6 周）

1. 搭建一个 ReAct Agent（LangChain/LangGraph）
2. 实现一个 RAG 系统（Chroma + OpenAI Embedding）
3. 精读模块 4-6（Agent + RAG + MCP）
4. 读 Chip Huyen《AI Engineering》

3. 深入路线（持续）

1. 精读 ReAct / RAG / CoT 原始论文
2. 研究 Hermes Agent 源码（上下文压缩 + 记忆系统设计）
3. 关注 2026 前沿：Agentic RAG / GraphRAG / 推理模型
4. 关注 arXiv cs.CL 每月热门论文

十一、2026 趋势总结

十二、推荐资源

结语

AI 工程不是一堆孤立概念的堆砌，而是一棵从 Transformer 根基长出的知识树：

• Transformer 是根——Self-Attention 机制让一切成为可能
• Prompt 是干——用自然语言操控模型
• Agent 是枝——从被动回答到主动行动
• RAG 是叶——突破知识边界
• MCP 是果——让 AI 真正连接世界

记住这张图，你就不会在 AI 工程的知识海洋中迷路。

近期将围绕上述议题，对AI工程的上述内容，进行系统性地学习。相关进展和思考将定期在这里和大家分享。

持续关注AI前沿，AI Agent实战

如果这篇文章对你有帮助

点个赞、收藏起来，或者转发给需要的朋友

点赞

收藏

转发

【历史合集】20+篇openclaw&Agent实战 和 大模型产品解读 👇

AI Agent 实战合集：从入门到高阶，附大模型前沿产品拆解｜收藏