双轨学习地图¶
总体结构¶
你不需要在两条路线之间二选一。更合理的定位是：
以可靠后端系统为底座，既能建设 IoT / AIoT 平台，也能把 AI Agent 安全地接入真实业务。
共享基础：优先建立的主干¶
| 模块 | 要达到的理解 | 两条路线中的用途 |
|---|---|---|
| HTTP、TCP、WebSocket | 能解释连接、超时、重试、背压 | 设备连接；模型流式输出 |
| 并发与异步任务 | 能设计任务状态、取消和限流 | 遥测处理；Agent 长任务 |
| 数据库 | 会建模、索引、分页、事务 | 设备与时序数据；任务与评测数据 |
| Redis | 按访问模式选结构，理解一致性 | 在线状态；Agent checkpoint/缓存 |
| MQ | 理解重复、顺序、积压和消费语义 | 设备事件；Agent 异步执行 |
| 幂等 | 重复请求不会产生重复副作用 | 命令下发；工具调用 |
| 可观测性 | 能从 trace、metric、log 定位问题 | 消息链路；Agent 执行链 |
| 权限与安全 | 最小权限、租户隔离、审计 | 设备控制；高风险工具 |
IoT / AIoT 路线¶
第一层：设备与协议¶
- MQTT：QoS、会话、保留消息、遗嘱、主题设计
- TCP 与连接生命周期
- Modbus、OPC UA 等工业协议的定位
- 设备身份、注册、认证和密钥轮换
第二层：平台数据链路¶
- 接入层与业务层解耦
- 在线状态、影子设备、命令下发
- 遥测数据写入与时序查询
- 规则引擎、告警、通知、OTA
第三层：规模与可靠性¶
- 连接、消息吞吐与容量估算
- 分片、消费组、背压和削峰
- 热点、缓存一致性与数据归档
- 灰度发布、故障恢复与监控
第四层：AIoT¶
- 异常检测和预测性维护
- 设备知识库与诊断助手
- Agent 工具接入设备平台
- 高风险设备操作的人机协同
AI Agent 路线¶
第一层：LLM 应用基础¶
- 消息、上下文、Token 与结构化输出
- Prompt 的边界和失败模式
- Embedding、检索、重排与引用
- Function / Tool Calling
第二层：工作流¶
- 确定性流程与 Agent 决策的边界
- State、Node、Edge、Checkpoint
- 长任务、暂停、恢复、取消
- Human-in-the-loop
第三层：生产化¶
- Schema 校验、权限、幂等和审批
- 超时、重试、降级、模型路由
- Trace、Prompt 版本和失败回放
- 成本、延迟和并发控制
第四层：评测¶
- 固定数据集与回归测试
- 工具选择、参数和任务完成率
- 规则评测、人工标注、LLM-as-Judge
- 线上反馈和失败案例库
学习顺序¶
不要沿着“把一个技术学完再开始另一个技术”的路线前进。以真实问题为中心，每次完成一条闭环：