配套规划：[构建规划（完整版）](复杂生产环境 AI 工程化落地全链路知识库构建规划.md) 构建原则：核心理论归一化沉淀、生产实践分 Python / Java 双栈并行。 定位：面向企业级生产落地的实战型工程知识库，覆盖 RAG / Agent / AIGC 从需求设计到规模化运维的全生命周期。 本文件是全库总导航（站点地图）：从本页可抵达库内每一个 md/code 文件。
结构：1 理论底座（01）+ 2 生产实践栈（02 Python / 03 Java）+ 1 基础支撑底座（05 计算机基础）+ 4 横向支撑域（04）。05 是基础地基，支撑 阶段4 部署 / 阶段5 运维 与双栈工程实现。
| 层 | 定位（对齐规划"三、整体架构"） | 核心来源 | 状态 |
|---|---|---|---|
01-通用理论原理层/ |
归一化理论底座：Agent 本质/范式、上下文与记忆、RAG、工具协议、多 Agent 编排、评估、治理 | xiaolinnote.ai / xiaolinnote.agent / javaguide.ai | [已完成] 7 模块封口 |
02-Python生态生产实践栈/ |
AI 原生应用、算法侧落地（K8s + GPU 推理集群） | hello-agents / ai-agent-book | [已建] 全六阶段骨架 + 阶段2 三件套 |
03-Java生态生产实践栈/ |
企业级集成、业务侧落地（Java 微服务） | javaguide / nageoffer.ragent / javaup.nexus / RuoYi AI / JEECG AI | [已建] 全六阶段 + 阶段2 企业范例 + 平台视角补强 |
04-横向支撑域/ |
平台建设 / 组织流程 / 成本 ROI / 安全合规（全链路通用） | 全部资源横向整合 | [已建] 4 域映射 |
05-基础支撑域/ |
计算机基础底座：网络 / 系统(OS) / MySQL / Redis，支撑部署与运维 | xiaolincoding.com 图解系列 | [已建] 4 主题文档 |
素材收集/ |
原始采集素材（保留溯源，勿删） | 6 站点入口 + 核心长文 + 平台/基础补采 + 参考仓库规划 | [已完成] 9 份（00–09） |
双栈对照：理论层为 Python / Java 双栈共享底座；同一知识点在两个实践栈保持"原理一致、实践差异化"（以 阶段2-开发工程实现 的对照表为核心载体）。
- README.md — 本导航（站点地图）
- [构建规划（完整版）](复杂生产环境 AI 工程化落地全链路知识库构建规划.md) — 知识库的原始规划与架构定义
- 战略洞察：Java 工程能力移植与企业级 AI 应用形态 — 北极星论述：Java 工程能力移植性（70~80% 可复用）+ 企业级 AI 形态（Web 为核心+多端），附全库落位映射
| 文件 | 核心内容 |
|---|---|
| README | 理论层总览、模块覆盖、来源映射、待补清单 |
| 1.1 Agent 本质与核心范式 | Agent 定义、四大组件、ReAct/Plan-Execute/Reflection、Workflow vs Agent、提示词工程起点 |
| 1.2 上下文与记忆工程 | Prompt→Context→Memory→Harness 链路、上下文压缩、记忆分层与生命周期、Harness 六层 |
| 1.3 RAG 技术体系 | RAG 流程、切分/Embedding/向量库/重排、GraphRAG/LightRAG、vs 微调 |
| 1.4 工具体系与通信协议 | Function Call / MCP / Skills / A2A 分层与关系、MCP 深解 |
| 1.5 多 Agent 协作与编排 | Graph Engineering、Workflow/Graph/Loop 对比、9 种编排模式、Loop Engineering |
| 1.6 评估体系 | 评测 vs 监控、四类评测、Golden Set、LLM-as-Judge、Java 后端落地 |
| 1.7 治理与安全原则 | Prompt 注入、越权/泄露防护、数据安全、大模型网关 |
| 文件 | 核心内容 |
|---|---|
| README | Python 栈总览、技术栈地图、阶段↔理论层↔Java 栈映射 |
| 阶段1 需求与架构设计 | AI Native vs 流程驱动、框架选型对比、架构落地、低代码原型 |
| 阶段2·生产范式 | ai-agent-book 生产范式：上下文/KV Cache、RAG/RRF、工具 ACI/MCP、Coding Agent + 双栈对照表 |
| 阶段2·从零框架+案例 | hello-agents 自研框架（Ch7）、记忆检索（Ch8）、上下文（Ch9）、3 个端到端案例（Ch13-15） |
| 阶段2·真实代码 | hello-agents code/ 逐字落盘（67 文件 / 10400+ 行：Ch7-9 框架基础 + Ch10-12 进阶范式 + Ch13-15 端到端案例）索引 |
| ├─ chapter7 自研框架 | my_llm / my_simple_agent / my_react_agent / my_calculator_tool / my_main / my_advanced_search |
| ├─ chapter8 记忆与检索 | MemoryTool / RAGTool_MarkItDown / QA_Assistant |
| ├─ chapter9 上下文工程 | context_builder_basic / context_builder_with_agent |
| ├─ chapter10 通信协议 | MCP(connect/transport/server) / A2A(server/client/tool) / ANP(init/distribute/balance) |
| ├─ chapter11 Agentic-RL | dataset / reward / grpo_training / pipeline / eval / distributed |
| ├─ chapter12 评估 | bfcl / gaia / llm_judge / win_rate 数据生成 |
| ├─ chapter13 旅行助手 | trip_planner_agent / amap_service(MCP) / api_main / schemas / config |
| ├─ chapter14 DeepResearch | agent(编排) / services_planner·search·summarizer·reporter / prompts |
| └─ chapter15 赛博小镇 | agents(多Agent) / relationship_manager(好感度) / state_manager / batch_generator |
| 阶段3 测试质量保障 | RAGAS/DeepEval、GAIA/OSWorld/SWE-bench、CI 回归 |
| 阶段4 部署基础设施 | FastAPI/Uvicorn、多阶段 CUDA 镜像、K8s GPU、vLLM/TensorRT-LLM |
| 阶段5 运维观测 | 可观测三支柱、告警分级、Bad Case 闭环、持续进化 |
| 阶段6 治理合规 | 安全护栏、数据隔离、合规审计、双栈归一化结论 |
| 文件 | 核心内容 |
|---|---|
| README | Java 栈总览、双极对照（自研 Ragent/Nexus + 平台 RuoYi/JEECG）、阶段进度 |
| 平台级 AI 解决方案（RuoYi AI / JEECG AI） | 平台视角补强：两平台总览/功能矩阵/技术栈/能力对照、理论层映射、"平台 vs 自研"选型决策框架 |
| 平台源码级模块拆解 · 对照 Ragent/Nexus | 平台视角·源码层：实拉取 RuoYi ruoyi-chat 与 JEECG airag 真实包结构，逐包映射 Ragent/Nexus 模块，点明平台产品化与自研护城河 |
| Spring AI 生产级应用范式 | 组件级补强（G4）：以 ThomasVitale/llm-apps-java-spring-ai 为参照，沉淀 Spring AI 多模型/结构化输出/工具调用/Memory/Guardrails/RAG/Observability/MCP 的生产代码范式 |
| 阶段1 需求与架构设计 | AI vs 流程驱动、框架选型（Spring AI/LangChain4j/AgentScope）、模块化分层、原型验证 |
| 阶段2·企业级范例 | 融合 Ragent + Nexus + JavaGuide：分层架构、双链路/三层执行器、检索融合、上下文治理、模型容错、11 种设计模式 |
| 阶段3 测试质量保障 | 非确定性断言、Golden Set、RAGAS/DeepEval、关键路径测试、限流压测 |
| 阶段4 部署基础设施 | Spring Boot/JVM、容器/K8s、Java×Python 协作、模型网关、Kafka/RocketMQ |
| 阶段5 运维观测 | Micrometer/Actuator/SkyWalking/LangFuse、链路质量、影子路由观测 |
| 阶段6 治理合规 | Sa-Token/Spring Security、Prompt 注入防护、审计、数据隔离、限流治理 |
| 文件 | 核心内容 |
|---|---|
| README | 横向域总览、4 大域与全链路阶段映射 |
| 平台建设 | AI 中间件/网关/评测平台/可观测基建 |
| 参考平台源码级拆解 · AutoGPT/Dify | G1/G2 模块级：AutoGPT 图执行引擎 + 自主递归范式、Dify api/core 引擎（rag/workflow/agent/mcp/tools…）逐模块映射理论层与双栈 |
| 组织与流程 | 团队角色、开发流程、人机协作、上线规范 |
| 成本与 ROI | Token/推理成本、ROI 度量、降本策略 |
| 安全合规治理 | 安全红线、合规要求、审计追溯 |
| 文件 | 核心内容 |
|---|---|
| README | 基础支撑域总览、4 主题↔AI 工程化映射、与阶段4/5/双栈交叉索引 |
| 01-Redis 基础支撑 | ZSet→Agent 公平排队、Hash→记忆、分布式锁→并发去重、缓存防击穿→向量检索、高可用、§五 原理精读(SDS/分布式锁 setnx) |
| 02-MySQL 基础支撑 | 索引/B+树→对话与向量元数据表、事务/MVCC→一致写入、锁→并发、日志→CDC 触发向量更新、§五 原理精读(B+树/MVCC) |
| 03-网络基础支撑 | SSE/WebSocket→流式对话、HTTP/2 多路复用→网关降延迟、TCP 队列→高并发、gRPC→K8s 内部、§五 原理精读(HTTP/2/WebSocket) |
| 04-系统(OS)基础支撑 | 线程模型→JVM Agent 执行器、epoll/Reactor→网关、零拷贝、一致性哈希→分片、伪共享、§五 原理精读(epoll/Reactor) |
| 文件 | 来源站点 | 内容 |
|---|---|---|
| 00-索引与处理计划 | — | 采集索引、处理顺序、八阶段进度记录 |
| 01-xiaolinnote.ai | xiaolinnote.com/ai/ | 六大专题题库（Agent30/RAG23/工具22/LLM23/LangChain/AI编程）+ 理论体系 |
| 02-xiaolinnote.agent | xiaolinnote.com/agent/ | Agent 是什么、Harness、Graph、Loop、RAG、GraphRAG/LightRAG 长文 |
| 03-nageoffer.ragent | nageoffer.com/ragent/ | 企业级 Java Agentic RAG：7 模块、双链路、11 模式 |
| 04-javaup.nexus | javaup.chat/super-agent/ | 企业级 Java Nexus Agent：三层执行器、双通道检索、Neo4j |
| 05-javaguide.ai | javaguide.cn/ai/ | Java 后端 AI 体系：RAG/MCP/Skills/记忆/上下文/Harness/评测/安全/网关 子页 |
| 06-xiaolincoding | xiaolincoding.com | 图解网络/系统/MySQL/Redis 基础支撑域索引 |
| 07-ruoyi-jeecg-platform | doc.ruoyiai.chat / jeecg.com / 公网解析 | Java 平台视角素材：RuoYi AI + JEECG AI 定位/功能/技术栈/对照（溯源） |
| 08-xiaolincoding-base | xiaolincoding.com 四大图解系列 | 基础支撑域素材：网络/系统/MySQL/Redis 栏目地图 + AI 工程化映射点（溯源） |
| 09-参考仓库待采集索引 | GitHub: awesome-llm-apps / AutoGPT / Dify / llm-apps-java-spring-ai | 四仓库落位规划 + 六大缺失项（G1–G6）分析；已于 2026-10-18 采集并落地 G1–G6 |
每个实践栈均按 6 阶段组织子目录：
阶段1-需求与架构设计 → 阶段2-开发工程实现 → 阶段3-测试质量保障 → 阶段4-部署基础设施 → 阶段5-运维观测 → 阶段6-治理合规
通用理论层按知识域组织：1.1 Agent本质 / 1.2 上下文与记忆 / 1.3 RAG / 1.4 工具协议 / 1.5 多Agent编排 / 1.6 评估 / 1.7 治理。
- 内容分级：每个知识点在文中标注
理论原理/生产最佳实践/待验证方案三级，并注明适用版本/场景。 - 资源溯源：所有沉淀内容在文末
> 来源标注原始素材文件，便于回溯（见上方"素材收集"）。 - 双栈对齐：同一知识模块在 Python / Java 栈保持原理一致、实践差异化（见阶段2 对照表）。
- 持续迭代：
素材收集/为原始素材库，正式文件为归一化成果；补采后回灌对应层级。
已完成（十余阶段）：理论层封口 → 双栈骨架 → 理论层补采回灌 → javaguide 子页封口 → Python 栈填充 → Python 阶段2 深化 → hello-agents 逐章拆解 → code 真实落盘（Ch7-9）→ 收口总导航 → Java 栈补全（全六阶段）→ Java 平台视角补采（RuoYi AI / JEECG AI）→ 基础支撑域实采（→ 05-基础支撑域）→ hello-agents Ch13-15 端到端案例原码落盘（40 文件）→ 两平台源码级模块拆解对照 Ragent/Nexus → Ch10/11/12 Python 代码范式落盘（通信协议 MCP/A2A/ANP、Agentic-RL、评估；27 文件，code-examples 增至 67 文件 / 10400+ 行） → ③ 05 基础支撑域原理精读回灌（Redis/MySQL/网络/OS 四篇各新增「五、原理精读」段） → ④ 跨文件质量打磨（修复 11 处占位路径、命名一致性核查，完成） → 战略洞察文档落盘 + 四参考仓库采集规划（G1–G6） → 四仓库采集落地 G1–G6：① G1 自主智能体范式（1.1 第五范式 + AutoGPT 平台）、② G2 LLMOps 平台对照（Dify + AutoGPT，平台建设.md）、③ G3 案例/应用模式索引（02-Python README 第七节 + 04 README 应用模式库）、④ G4 Spring AI 生产范式（新文档）、⑤ G5 Agent 六形态部署（03 阶段4）、⑥ G6 成本与配额工程（04 成本ROI）。
模块级深化（2026-10-19）：① 新增 04-横向支撑域/参考平台源码级拆解-AutoGPT与Dify.md——AutoGPT autogpt_platform/backend 图执行引擎 + classic 自主范式、Dify api/core 引擎模块映射（G1/G2 源码级）；② 在 Java平台级AI解决方案-RuoYiAI与JEECG.md 新增 §7 阶段3 测试质量保障工程对照（测试点 × 平台 × 自研 对照矩阵 + 平台测试工程化建议），闭环 09 索引"仍可补强"项。
收口质检（2026-10-19）：对全库 67 个 Python 示例执行 py_compile 语法校验（100% 通过）；对 51 篇 Markdown 的 78 条内部相对链接做完整性校验——修复 9 处真实断链（阶段1 文档上跳层级错误、05-README 同目录多余前缀、根 README 规划文件名 %20 编码），仅余 1 处代码块内 name]["func"](param) 正则误报（非链接、代码正确）。全库链接与示例进入"可发布"状态。
Dify 节点级下钻（2026-10-19）：在 04-横向支撑域/参考平台源码级拆解-AutoGPT与Dify.md 新增 §2.6 类/节点级深入——Dify 已将工作流引擎抽成独立包 graphon（core/workflow 退化为薄适配层）；节点统一契约 Node[NodeData]+node_type 枚举+version()+_run() 生成器；实拉 9 类节点（agent/agent_v2/knowledge_retrieval/knowledge_index/datasource/human_input/trigger_×3）；agent/strategy 策略模式+插件化（PluginAgentStrategy→PluginAgentClient）；human_input HITL 暂停/恢复；node_factory 模块自注册机制。
建议下一步（按用户给定顺序）：
- ② ✅ 两平台源码级模块拆解对照 Ragent/Nexus（已完成）；
- ① ✅ Ch10/11/12 的 Python 代码范式落盘（已完成）；
- ③ ✅ 05 基础支撑域原理精读回灌（已完成）；
- ④ ✅ 质量打磨：跨文件术语统一、去重检查、命名一致性核查、占位路径修复（已完成）；
- ⑤ ✅ 战略文章落盘 + 四仓库规划与采集（已完成）：落盘
战略洞察-Java工程能力移植与企业级AI应用形态.md与素材收集/09-参考仓库待采集索引.md；四仓库（awesome-llm-apps / AutoGPT / Dify / llm-apps-java-spring-ai）已直连采集并落地 G1–G6（见上方进度线）。