从这里开始

这个仓库现在承担两个角色：

• 一个可持续扩展的 AI 学习文档站点
• 一个和文档配套的最小实验代码仓库

这次重构后，仓库不再按 skill / agent / demo 这种混合维度切，而是按更稳定的分层来组织：

• learning：先学什么、阶段目标是什么
• foundations：AI 应用最基础的知识地图
• components：Prompt、RAG、Tool Calling 这些能力模块
• systems：Workflow、Agent、工程化搭建
• practice：可运行示例与阶段项目
• resources：模板、playbooks、资料和复盘

推荐阅读顺序

1. learning：先确认学习顺序、阶段目标和交付物。
2. foundations：建立足够稳的知识地图，避免只背术语。
3. components：理解常见能力模块各自解决什么问题。
4. systems：再看 Agent、工作流和工程化边界。
5. practice：用可运行代码验证理解是否落地。
6. resources：用模板、资料卡和复盘把学习沉淀下来。

如果你想先看一份更细的词汇归类和目录草案，可以直接跳到 AI 知识树（建议版）。

建议的内容粒度

每篇文档建议只解决一个清晰问题，例如：

• Prompt 到底在控制什么
• RAG 和长上下文的边界是什么
• 什么时候该用 tool calling，而不是让模型“自己猜”
• Agent 为什么容易失控

这种粒度更适合长期维护，也方便后续追加案例、图示和实战复盘。

维护方法

1. 先写骨架，再补细节

先把章节和文档入口补齐，每篇只写核心定义、典型场景和一个示例。等你实际学习或做项目时，再把踩坑和经验写回去。

2. 文档和代码配对

如果一个主题需要代码，优先在 examples/ 新建一个最小目录，然后在文档里链接过去。这样文档不会被大量代码淹没。

推荐固定按这套规则落位：

• 讲“先学什么”放 docs/learning/
• 讲“概念地图”放 docs/foundations/
• 讲“能力模块”放 docs/components/
• 讲“系统搭建”放 docs/systems/
• 放可运行代码到 examples/
• 放模板、资料、复盘到 docs/resources/

3. 固定做复盘

建议每周固定更新一次 每周复盘模板，重点记录：

• 本周新增了什么理解
• 哪些概念还是模糊的
• 哪些资料值得二刷
• 哪些 demo 需要补全

后续扩展建议

• 增加 images/ 存放结构图、工作流图
• 增加 case-studies/ 沉淀具体项目案例
• 增加 evals/ 记录 prompt 或 agent 的评估方法

如果内容继续扩张，优先沿着现有层级扩子目录，不要再把不同维度的东西重新堆回顶层。