花千树AI 应用工程知识地图
/

四条路线，一条主干

这个体系有四条学习路线，分别对应四个目标：零基础入门 AI 应用工程、 有软件开发经验转 AI / Agent、Agent / Harness 专项、AI 产品可靠性专项。 路线是基于前置关系给出的推荐走法，不是规定顺序。

01零基础 → AI 应用工程10 站 · 79 点 · 独有 102有软件开发经验 → AI / Agent 工程9 站 · 87 点 · 独有 1
→03Agent / Harness 工程专项8 站 · 115 点 · 独有 33→04AI 产品工程 / 可靠性专项8 站 · 60 点 · 独有 4
主干73 个知识点被三条以上路线共同收录39 四条都收·34 三条收·22 两条收·39 只一条收
01

零基础 → AI 应用工程

10 站79 个知识点独有 1

缺少系统 AI / Agent 知识、软件工程基础也需要逐步建立的学习者。

  1. 1软件工程最小基础5 点 · L2 · 并行
  2. 2LLM 基础心智模型9 点 · L2 · 2 层
  3. 3任务与上下文6 点 · L2 · 2 层
  4. 4API / Tool 闭环11 点 · L2 · 2 层
  5. 5固定 Workflow + 最小 Eval9 点 · L2 · 3 层
  6. 6Agent 核心10 点 · L2 · 5 层
  7. 7状态 + 动态编排7 点 · L2 · 2 层
  8. 8Eval / Reliability7 点 · L2 · 4 层
  9. 9Harness 心智模型2 点 · L1 · 2 层
  10. 10产品化13 点 · L2 · 2 层
学完接03 Agent / Harness 工程专项04 AI 产品工程 / 可靠性专项
模型能力扩展需要理解推理模型或多模态输入/输出能力时。体系外 2 点
高级上下文工程出现上下文污染、动态信息、长会话压缩、Context Builder 或会话恢复问题时。体系外 6 点
Memory / RAG / Knowledge需要跨 Session 记忆、知识检索、RAG 或长期知识沉淀时。体系外 10 点
MCP / Connector需要把 Agent/应用接入标准化外部工具、资源或第三方系统时。体系外 3 点
Skill 工程需要把可复用能力打包、发现、加载和评估时。接 03 第 5 站 · 11 点
Multi-Agent / Delegation单 Agent 出现明确能力、Context、工具或责任边界时。接 03 第 2 站 · 2 点
02

有软件开发经验 → AI / Agent 工程

9 站87 个知识点独有 1

已经能独立开发、调试、调用 API，并具备 Git、测试和基本部署经验的软件开发者。

  1. 1软件工程基线验证7 点 · L2 · 并行
  2. 2AI 特有心智模型9 点 · L2 · 2 层
  3. 3Context + API / Tool18 点 · L2 · 2 层
  4. 4Fixed Workflow + Minimum Eval10 点 · L2 · 3 层
  5. 5Agent Core14 点 · L3 · 5 层
  6. 6Dynamic Workflow / Orchestration6 点 · L3 · 2 层
  7. 7Agent Eval / Reliability6 点 · L3 · 4 层
  8. 8Harness Core6 点 · L2 · 2 层
  9. 9Production Minimum11 点 · L2 · 2 层
学完接03 Agent / Harness 工程专项04 AI 产品工程 / 可靠性专项
模型能力扩展需要推理模型或多模态产品能力时。体系外 2 点
高级上下文工程出现 Context Pollution、Compression、Lifecycle、Builder 或 Session Recovery 问题时。体系外 6 点
MCP / Connector / Compatibility需要标准化接入外部工具、资源、连接器或兼容不同协议/Provider 时。体系外 3 点
Skill 工程需要可复用 Agent 能力时。接 03 第 5 站 · 11 点
Memory / RAG / Knowledge需要跨 Session、长期记忆、知识检索或 RAG 时。体系外 10 点
Multi-Agent / Delegation单 Agent 出现明确能力、Context、工具或责任边界时。接 03 主线 · 2 点
Full Harness从 Harness Core 进入完整 Runtime / Control / Recovery / Environment 集成时。接 03 第 8 站 · 11 点
03

Agent / Harness 工程专项

8 站115 个知识点独有 33

普通软件工程能力基本可用，并已建立 LLM、Context、Tool Calling、Workflow 和最小 Eval 概念的学习者。

  1. 1入口基线验证34 点 · L2 · 4 层
  2. 2Agent Execution Core16 点 · L3 · 5 层
  3. 3State + Workflow Runtime19 点 · L3 · 2 层
  4. 4先建立 Harness 总图2 点 · L2 · 2 层
  5. 5Skill System11 点 · L3 · 4 层
  6. 6Evaluation / Reliability12 点 · L3 · 4 层
  7. 7Control / Observability / Security5 点 · L3 · 2 层
  8. 8完整 Harness Integration16 点 · L3 · 2 层
学完接04 AI 产品工程 / 可靠性专项
模型能力扩展Harness 需要适配推理模型或多模态能力时。体系外 2 点
高级上下文工程需要更完整地处理 Context 生命周期、污染、压缩、组装和恢复时。体系外 6 点
Knowledge / RAG 专项Harness 需要完整知识检索、RAG 或知识沉淀系统时。体系外 10 点
MCP / Connector / Compatibility需要标准化对接外部系统或兼容不同工具/Provider 生态时。体系外 3 点
产品经营与交付Harness 要进入真实用户、成本、发布和长期运维阶段时。接 04 主线 · 13 点
视觉评估系统输出图片、视频、设计等视觉内容时。体系外 1 点
基准测试需要和公开基准或外部模型能力做标准化比较时。体系外 1 点
04

AI 产品工程 / 可靠性专项

8 站60 个知识点独有 4

已经具备基本 AI 应用开发能力，希望把 AI 功能做成可上线、可观测、可回归、可持续改进产品的学习者。

  1. 1软件工程入口基线验证7 点 · L2 · 并行
  2. 2AI 产品行为基线23 点 · L2 · 3 层
  3. 3质量契约与 Eval 基础10 点 · L3 · 3 层
  4. 4AI 行为可靠性5 点 · L3 · 2 层
  5. 5性能、成本与模型选择4 点 · L3 · 并行
  6. 6错误处理与可观测性3 点 · L3 · 2 层
  7. 7安全与治理4 点 · L3 · 并行
  8. 8发布、配置与运维4 点 · L3 · 并行
学完接终点 · 没有后继路线
模型能力扩展产品需要推理模型或多模态能力时。体系外 2 点
Agent 轨迹评估与 Harness Eval 接入产品包含 Tool-using Agent / Agent Loop，需要评估轨迹与结果时。接 03 主线 · 8 点
可执行 Agent：Execution Environment / SandboxAgent 能操作代码、文件、浏览器、进程或其他执行环境时。接 03 第 8 站 · 2 点
视觉评估产品输出图片、视频、设计等视觉内容时。体系外 1 点
基准测试需要和公开基准或外部模型能力做标准化比较时。体系外 1 点
站与站之间有顺序，站内也有：35 站里 29 站内部还压着「必须前置」（最多 5 层），只有 6 站完全平行 色条 = 这一站知识点的领域构成 站名后面的 L2 目标完成度 · 3 层 站内分几层 · 并行 站内无先后 点任意一站 → 展开该站的知识点 可选分支分两类：接 03 第 5 站 = 那条内容其实在别的路线主线上（换乘入口）· 体系外 = 四条路线的主线都没收