AI Agent Engineer

AI Agent Engineer

nanobot 学习前置知识地图

5 min read

前置知识地图

不需要先学完一整套 Python、前端或分布式系统课程再读 nanobot。这里采用“够用再继续”的原则：只补当前源码阅读真正依赖的知识。

最低起点

开始核心路线前，你应当能够：

  • 运行 Python 命令并阅读 traceback；
  • 看懂函数、类、继承、dataclass 和类型标注；
  • 理解 async def、await、Task、Queue、Lock 的基本用途；
  • 读懂 JSON、JSONL 和简单配置；
  • 理解 LLM 的 system/user/assistant/tool 消息；
  • 知道模型可能返回 Tool Call，而不是最终文本；
  • 使用 rg 搜索符号并运行一个 pytest 测试文件。

如果其中一项不熟悉，先阅读本目录对应的“最低要求”文档，不需要扩大学习范围。

前置知识与掌握程度

主题需要掌握到什么程度推荐材料
Python能读类、异常、上下文管理器、抽象基类、dataclass、类型标注Python 基础目录
asyncio理解 coroutine、Task、Queue、Lock、取消和超时，不要求掌握底层事件循环实现Python 与异步编程最低要求
JSON 与 JSONL能区分 JSON 对象、数组和逐行记录，理解 schema 校验JSON 学习目录
LLM API理解请求生命周期、messages、stream、错误和 usageLLM API 集成
Tool Calling理解工具 schema、调用 ID、参数校验、工具结果回填Tool Calling
Context Engineering理解上下文窗口、历史、裁剪、摘要和信任分区上下文工程
Agent Loop理解“观察—决策—行动—反馈—终止”的基本循环Agent 核心
测试与调试能运行单个测试、读断言和 mock，不要求先会完整测试框架源码阅读与调试最低要求
安全知道最小权限、Prompt Injection、工具越权和不可信输入AI 安全
MCP只在学习 MCP 接入时需要；核心 Turn 不依赖MCP 架构与角色
React/TypeScript只在深入 WebUI 时需要基础阅读能力暂不作为核心前置知识

学习依赖图

flowchart LR
    PY["Python 基础"] --> ASYNC["asyncio 最低要求"]
    JSON["JSON / JSONL"] --> API["LLM API"]
    API --> TC["Tool Calling"]
    TC --> LOOP["Agent Loop"]
    CTX["上下文工程"] --> LOOP
    ASYNC --> LOOP
    LOOP --> NB["nanobot 核心源码"]
    TEST["pytest 与源码搜索"] --> NB
    SEC["安全基础"] --> EXT["扩展开发"]
    NB --> EXT
    MCP["MCP 基础"] --> EXT

可以边学边补的内容

以下内容不应阻塞开始阅读：

  • Pydantic 的全部高级用法；
  • aiohttp 的完整 API；
  • React 状态管理；
  • WebSocket 协议细节；
  • Python 打包和 entry point；
  • Linux namespace 或 bubblewrap；
  • 各 Provider 的私有协议差异。

第一次遇到它们时，先理解“它在当前调用链中负责什么”，只有准备修改相关模块时再深入。

自检

如果你能回答下面五个问题，就可以开始“运行与源码地图”：

  1. await 为什么不能随意省略？
  2. asyncio.Queue 与普通列表相比解决了什么问题？
  3. 模型返回 Tool Call 后，为什么不能直接把工具结果当作最终回复？
  4. Session 历史为什么不一定原样进入下一次模型请求？
  5. 一个 pytest 测试失败时，你如何找到被测函数和调用方？

答不上来不代表不能继续。阅读本目录三篇最低要求文档后，再回来回答即可。

下一步

  1. Python 与异步编程最低要求
  2. LLM 消息、流式输出与 Tool Calling
  3. 源码阅读与调试最低要求

Backlinks