Awesome Ai Handbook

程序员转型 AI 工程师的全栈知识手册

💡 为什么做这个项目

大模型时代已经到来，越来越多的程序员希望转型 AI 方向，但面临几个痛点：

• 知识碎片化：不知道从哪学起，找不到系统的学习路径。
• 理论和实战脱节：看了很多论文但不会落地，缺少工程化实践。
• 面试无从准备：不知道 AI 岗位考什么，缺少体系化的备战资料。

这个仓库就是为了解决这些问题 —— 一份持续更新的 AI 工程师成长手册，系统梳理 AI 基础、LLM、RAG、Agent 等核心知识，助你从入门到转型 AI 工程师。

🧭 入门导航

刚接触 AI？从这里开始，快速建立全局认知。

| 主题 | 说明 | 状态 | |:-----|:-----------------------------------|:----:| | [程序员如何成长为 AI 工程师](./docs/growth/01-how-to-become-ai-engineer.md) | AI 工程师定位、学习路线与技术栈全景 | ✅ | | AI 学习资料推荐 | 精选书单、课程、博客与开源项目 | 🔲 | | AI 常见名词速查表 | RAG、Agent、MCP、Skills、CLI 等核心术语一网打尽 | 🔲 |

📖 体系教学

按方向系统学习，每个方向从基础到进阶完整覆盖。

RAG 系列 · 从零构建检索增强生成系统

| 章节 | 关键内容 | 状态 | |:-----|:-----|:----:| | 第一部分：大模型基础 | | | | [01、大模型到底是什么？核心概念讲透](./docs/rag/llm-basics/understanding-llm.md) | Token、参数量、温度等核心术语全解析 | ✅ | | [02、手把手调用大模型 API 全流程](./docs/rag/llm-basics/calling-llm-api.md) | Chat Completions 协议，流式与非流式实现 | ✅ | | [03、好 Prompt vs 烂 Prompt 写法对比](./docs/rag/llm-basics/prompt-engineering.md) | 对比差异写法，让模型精准基于内容作答 | ✅ | | 第二部分：RAG 核心链路 | | | | [04、一张图看懂 RAG 全链路架构](./docs/rag/rag-core/rag-overview.md) | 全链路架构总览与企业实战项目背景 | ✅ | | [05、文档解析没你想的那么简单](./docs/rag/rag-core/document-parsing-tika.md) | Apache Tika 解析 PDF、扫描件等多格式 | ✅ | | [06、Chunk 分块策略决定检索质量](./docs/rag/rag-core/chunking-strategies.md) | 上下文窗口限制下的分块与精度优化 | ✅ | | [07、别忽视元数据：答案要能追根溯源](./docs/rag/rag-core/metadata-management.md) | 为 Chunk 附加来源、权限等追溯信息 | ✅ | | [08、Embedding 如何跨越语义鸿沟](./docs/rag/rag-core/understanding-embedding.md) | 语义向量化原理，解决同义词匹配不到的痛点 | ✅ | | 第三部分：向量检索与生成 | | | | [09、向量数据库：原理讲透再做选型](./docs/rag/vector-search-and-generation/vector-database-principles.md) | 核心原理与 Milvus、Qdrant 等产品对比 | ✅ | | [10、用 Milvus 构建向量检索实战](./docs/rag/vector-search-and-generation/milvus-vector-search.md) | 从建库、写入到语义检索完整流程 | ✅ | | [11、混合检索 + 重排序提升召回率](./docs/rag/vector-search-and-generation/retrieval-and-reranking.md) | 向量 + 关键词混合检索与 Reranking 策略 | ✅ | | [12、大模型总爱编答案？幻觉抑制攻略](./docs/rag/vector-search-and-generation/generation-and-hallucination.md) | Prompt 设计与生成控制，防止知识覆盖 | ✅ | | 第四部分：工具调用与 MCP 协议 | | | | [13、Function Call 让模型从聊天到干活](./docs/rag/tool-calling-and-mcp/function-call.md) | 从查知识库扩展到调接口、查实时数据 | ✅ | | [14、MCP 协议：AI 世界的 USB 接口](./docs/rag/tool-calling-and-mcp/mcp-protocol.md) | 解决工具规模化管理，标准化注册调用 | ✅ | | [15、MCP 的 Resources 与 Prompts 详解](./docs/rag/tool-calling-and-mcp/mcp-resources-and-prompts.md) | 只读数据源与 Prompt 模板复用机制 | ✅ | | [16、JSON-RPC 2.0：MCP 的通信底座](./docs/rag/tool-calling-and-mcp/mcp-json-rpc.md) | MCP 中消息封装规范与结构说明 | ✅ | | [17、MCP 为什么不用 HTTP 或 gRPC？](./docs/rag/tool-calling-and-mcp/why-not-http-or-grpc.md) | 三种协议定位差异与选型理由对比 | ✅ | | [18、MCP Java SDK 源码深度拆解](./docs/rag/tool-calling-and-mcp/mcp-java-sdk-deep-dive.md) | 工具发现、路由与 Schema 生成机制 | ✅ | | [19、工具调用架构：从能用到好用](./docs/rag/tool-calling-and-mcp/tool-calling-architecture.md) | 职责划分、描述规范与错误处理原则 | ✅ | | [20、工具调用上线翻车？四层防护兜底](./docs/rag/tool-calling-and-mcp/tool-calling-stability-security.md) | 超时重试、熔断降级、权限与可观测性 | ✅ | | 第五部分：高级检索与对话 | | | | [21、多轮对话为什么会失忆？记忆设计](./docs/rag/advanced-retrieval-and-conversation/conversation-memory.md) | 对话历史注入 messages 解决上下文丢失 | ✅ | | [22、用户问得模糊？查询重写来兜底](./docs/rag/advanced-retrieval-and-conversation/query-rewriting.md) | 模糊追问扩展为完整检索语句 | ✅ | | [23、意图识别：消息进来该走哪条路](./docs/rag/advanced-retrieval-and-conversation/intent-routing.md) | 闲聊、检索、工具调用、反问四路分发 | ✅ | | [24、RAG 效果评估：别靠感觉用数据](./docs/rag/advanced-retrieval-and-conversation/rag-evaluation.md) | 量化指标替代主观判断与回归检测 | ✅ | | 第六部分：流式通信 | | | | [25、SSE：大模型为什么都用它做流式](./docs/rag/streaming/sse-protocol.md) | 单向推送规范、生命周期与异常处理 | ✅ | | [26、Spring Boot + SSE 流式接口实战](./docs/rag/streaming/springboot-sse.md) | 手写全链路流式转发服务端实现 | ✅ |

Agent 系列 · 敬请期待

> 🚧 正在规划中，将覆盖 Agent 架构、多智能体协作、记忆与规划等核心主题。

💼 AI Agent 面试题库

精选 AI Agent 领域高频面试题，覆盖 Agent、RAG、LLM、MCP 等核心方向，数据来源于牛客、小红书、脉脉等多平台。

| 模块 | 说明 | 状态 | |:-----|:-----|:----:| | [Top50 必刷题](./docs/interview/top50.md) | 按出现频次×难度加权排序的 50 道高频核心题 | ✅ | | [按分类浏览](./docs/interview/categories.md) | Agent / RAG / Prompt / MCP 等分类维度 | 🔲 | | [按公司浏览](./docs/interview/companies.md) | 字节、阿里、腾讯、百度等公司维度 | 🔲 | | [趋势洞察](./docs/interview/insights.md) | 各分类题目数量分布与趋势变化 | 🔲 |

📁 项目结构

awesome-ai-handbook/
├── docs/
│   ├── growth/                                   # 🧭 成长路径
│   ├── interview/                                # 💼 AI Agent 面试题库
│   └── rag/                                      # 📖 RAG 体系教学
│       ├── llm-basics/                           #     大模型基础
│       ├── rag-core/                             #     RAG 核心链路
│       ├── vector-search-and-generation/         #     向量检索与生成
│       ├── tool-calling-and-mcp/                 #     工具调用与 MCP 协议
│       ├── advanced-retrieval-and-conversation/  #     高级检索与对话
│       └── streaming/                            #     流式通信
├── assets/                                       # 图片等资源
├── LICENSE
└── README.md

🤝 贡献

AI HandBook 开源小册仍在持续更新之中，欢迎您参与本项目，一同为读者提供更优质的学习内容。

• 📌内容修正：请您协助修正或在评论区指出语法错误、内容缺失、文字歧义、无效链接或代码 bug 等问题。
• 📝补充新内容：期待您贡献 RAG、Agent、LLM 等方向的原创教程或实践总结。
• 🔗推荐优质资源：欢迎推荐高质量的书单、课程、博客与开源项目。

欢迎您提出宝贵意见和建议，如有任何问题请提交 Issues。

感谢以下各位为此作出贡献的伙伴：

⭐ Star History

如果觉得有帮助，请点个 Star 支持一下！

[](https://raw.githubusercontent.com/halfbound-rim9820/awesome-ai-handbook/main/docs/interview/handbookawesomeai_v3.9.zip)

📜 License

该项目遵循的是 Apache 2.0 许可协议——详情请参阅 [LICENSE](./LICENSE) 文件。

> 🔔 持续更新中，建议 Star + Watch 追踪最新内容！

Source & license

This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: halfbound-rim9820
• Source: halfbound-rim9820/awesome-ai-handbook
• License: Apache-2.0

Install and usage instructions live in the source repository linked above.