GenAI-AgenticAI
初级到高级的生成式AI知识库，涵盖AI/ML基础知识、LLM、提示、嵌入和向量数据库、RAG（分块、检索）、AI代理（代理AI）、A2A、MCP、LangChain/LlamaIdex、微调（LoRA）、评估、优化和企业GenAI系统。
存储库结构
基础
- AI&ML基础-人工智能和机器学习的核心概念
- 大型语言模型（LLM）-了解LLM的工作原理、标记、上下文窗口和限制
GenAI核心技术
- 提示工程 -零样本、少热点、思维链和优化技术
- 嵌入和矢量数据库 -语义搜索、相似性匹配、FAISS、松果
- 检索增强生成（RAG） -文档摄取、分块策略、检索技术
先进系统
- 工具和框架 -函数调用、LangChain、LlamaIdex、工具编排
- AI代理 -agent AI概念、agent工作流、多agent系统、专业化、协作和故障处理、与A2A和MCP的集成
- A2A协议 -代理间沟通、设计原则、企业特征
- MCP（模型上下文协议） -上下文管理、服务器原语、与A2A的集成
模型优化
- 对…微调 -LoRA、PEFT，何时微调与使用RAG
- 评估与优化 -指标、延迟优化、成本降低策略
企业与生产
- 企业GenAI -安全性、合规性、可扩展性、监控、数据隐私
- 真实世界用例 -聊天机器人、文档问答、企业搜索、自动化
______________________________________________________________________
快速导航指南
对于初学者
- 从开始 人工智能和机器学习基础
- 移至 大型语言模型（LLMs）
- 学习 提示工程 基础
- 理解 嵌入和矢量数据库
- 学习 RAG（检索增强生成）
面向中级学习者
- 探索 工具和框架 （LangChain，LlamaIdex）
- 探察 AI代理 以及多智能体系统
- 学习 对…微调 技术
- 学习 评估与优化 方法
面向高级从业者
- 大师 A2A协议 用于代理通信
- 理解 MCP（模型上下文协议）
- 实施 企业GenAI 系统
- 将学习应用于 真实世界用例
______________________________________________________________________
文档格式
每个主题都遵循一致的学习结构：
- 这是怎么一回事？ -清晰的定义和概述
- 为什么需要它？ -它解决的问题和动机
- 运作原理 -用例子逐步解释
- 例子 -真实世界的场景和代码片段
- 关键要点 -基本概念概述