AI 应用工程地图：从模型调用到可靠系统

会调用模型只是起点。AI 应用工程师需要把不确定的模型行为放进一个可控制、可评估、可交付的软件系统。

优先级一：服务能正确失败

先掌握 HTTP 契约、输入校验、错误语义、异步并发、超时、限流和幂等。模型慢、工具挂、用户断开时，服务必须在明确状态结束。

优先级二：数据能保持一致

用 PostgreSQL 保存会话、运行和工具调用；用事务和唯一约束保证状态一致。Redis 用于短期缓存、限流与有界任务流，不能替代持久真相。

优先级三：Agent 能解释运行过程

Agent 工作流应有显式状态、最大轮数、工具 Schema、审批节点和 checkpoint。对每次运行记录模型轮次、工具输入输出、错误和成本。

优先级四：质量能够回归

准备固定测试集，分别评价检索、生成和工具调用。任何 Prompt、模型、切分或检索策略变化，都必须跑同一套数据并保存对比结果。

优先级五：别人能够复现

使用 Docker Compose 固定本地依赖；提供迁移、健康检查、样例配置和一条启动命令。README 需要写清架构、权衡、已知问题与实验结果。

推荐学习顺序

1. FastAPI + PostgreSQL：完成可靠 API。
2. Redis + 后台任务：处理慢任务和突发流量。
3. RAG + 评测：建立数据集和质量闭环。
4. Stateful Agent：工具、恢复、审批与 Trace。
5. Docker + OpenTelemetry：交付和观测。
6. MCP / A2A：在基础扎实后学习协议互操作。

知识库中的每篇笔记都对应一个可运行练习；项目页给出三条综合实践路径。