Agent 工程师学习路线

主题

第 7 阶段：Go 与高性能 Agent 服务 ​

周期： 4 周（Phase 7 / Week 1-4，独立编号，非全局周号）——进阶阶段，主线 Phase 1-6 完成后开始目标： 系统掌握第二后端语言 Go，并用它做出一个 Agent 基建方向的作品集项目（高性能 LLM 网关）。 关键产出物： 可部署、可压测、有 README 的 Agent 网关 + "能用 Go 干活"的简历标签

阶段定位（先想清楚再开始） ​

主线到 Phase 6 已经完成。 6 个阶段走完，你已经具备独立设计、实现、部署、评测一个 Agent 系统的能力，转型目标已达成。本阶段是进阶投资，不是必修课——适合放在求职期（面试淡季）或入职后的缓冲期，投入 4 周兼职时间。

为什么值得学 Go：

  1. Agent 基建岗位的语言偏好。 LLM 网关、Agent 平台、高并发推理服务等基建方向，Go 是事实上的主流选择（Docker、Kubernetes 生态同源）。你在 Phase 6 面试题里见过"Agent 服务的并发、成本、监控怎么做"——Go 就是把这类问题答漂亮的工具。
  2. 读懂 Go 生态的 Agent 开源源码。 MCP 官方 Go SDK、Ollama、各类 LLM 代理/网关项目都是 Go 写的。读得懂源码 = 能抄到最一线的工程设计，而不是只看二手教程。
  3. 第二语言让工程理解升级。 用过 Python 的 asyncio 再学 Go 的 goroutine/channel，你会真正理解"并发模型"是什么，而不是"会用某个库"。这种对比带来的理解深度，是只学一门语言永远到不了的。

为什么放在最后而不是中间： 主线的第一优先级是最短路径拿到 Agent 工程师职位。中途插一门语言会推迟求职，且没有 Agent 场景做载体、Go 只能干学。现在你手上有 Phase 1-6 的全部知识和项目，Go 从第一周就能以"Agent 基建"为载体学习——每一行代码都在为作品集服务。

关键认知 ​

Go 与 Python 的心智模型差异（学习全程的锚点对比表） ​

维度Python（你已掌握）Go（本阶段掌握）
运行方式解释执行 + 虚拟机编译为单个静态二进制
类型动态类型 + Type Hints（可选）静态类型（编译期强制）
错误处理异常（try/except，可不安处理）显式 error 返回值（不处理编译都过不了 lint）
并发模型asyncio 协程（单线程事件循环，颜色函数）goroutine + channel（CSP，任意函数都是并发的）
继承class 继承没有继承，struct 嵌入 + interface 组合
部署产物解释器 + 依赖环境一个二进制文件，扔进 scratch 容器就能跑

学习策略与 Phase 1 相同：锚点对比。 Phase 1 你用 JS/TS 做锚点学 Python；这次用 Python + TS 双锚点学 Go。每遇到一个新概念，先问"这在 Python 里对应什么？在 TS 里呢？设计差异为什么存在？"——差异处就是理解增长处。

一个贯穿全阶段的心智转变 ​

Python 里并发是"库"（asyncio），Go 里并发是"语言"。 go 一个关键字就能起并发，channel 是一等公民。这意味着你不再需要区分 sync/async 两套 API（Python 里 httpx vs aiohttp 的割裂在 Go 里不存在），但也意味着数据竞争的风险无处不在——go test -race 会成为你的日常。这个转变的深度理解是本阶段的认知核心，比语法重要 10 倍。

进度追踪 ​

⏱ 耗时参考（预估，第一轮内测后补真实数据）

学习者画像实际/计划周数卡点高发周
本路线毕业生（Phase 1-6 完成）1.0-1.2x（4-5 周）Week 2（channel/select 并发模型）、Week 3（SSE 透传）
期间在职、投入不足 10h/周1.4-1.6x（6 周）Week 3（网关项目周最容易断）
之前翻过 Go 语法1.0x（4 周）Week 2（语法熟但并发模型仍要重学）

关键提醒： 有两门语言基础的人学 Go，语法从来不是卡点，并发模型和"显式一切"的工程文化才是。Week 2 觉得 channel 别扭是正常的，坚持写完 worker pool 练习就会通。

回填约定： 学习本阶段时，每周用复盘模板记录实际耗时；本阶段完成后，把实测周数回填到上表，并将标题中的"预估"改为"实测"。

  • [ ] Week 1 - Go 语法速通（对比 Python/TS 学）
  • [ ] Week 2 - 并发模型 + HTTP 服务 + 工程化
  • [ ] Week 3 - 网关项目核心（转发 + 流式 + 路由 + 限流）
  • [ ] Week 4 - 缓存 + 可观测 + 部署 + 压测 + 作品集化
  • [ ] 阶段产出物：Agent 网关上线 + 压测报告 + README

降级提示： 时间不够时——P2（可砍）：压测报告优化、技术博客、响应缓存的语义升级；P1（降为最低可行）：缓存只做"非流式 + 精确 key"、可观测只做结构化日志；P0（不可砍）：Week 1-2 语言与并发基础 + 网关的多模型转发 + SSE 流式 + 基础限流 + Docker 部署。网关没有流式和限流就不叫网关，砍了等于没学。

Week 1 - Go 语法速通（对比 Python/TS 学） ​

核心思路： 与 Phase 1 完全相同的教学法——你是程序员，用对比学最快，优先掌握 80% 场景的 20% 语法。

本周学什么（一句话概览）： 变量与类型系统、slice/map、struct 与组合、interface 与显式错误处理、go mod 与 testing。详细内容见 每日计划。

产出物 ​

Go 版 CLI 聊天机器人 v1： 复刻 Phase 1 Week 4 的 chatbot（命令行交互、多轮对话、流式输出）。写完把两版代码放在一起看——这门语言的性格就刻在这个对比里。

推荐资源 ​

Week 2 - 并发模型 + HTTP 服务 + 工程化 ​

核心思路： 本周是全阶段的认知核心。goroutine/channel/context 是 Go 区别于一切脚本语言的灵魂，也是 Agent 基建岗位面试的必考点。

本周学什么（一句话概览）： goroutine 与数据竞争、channel 与 select、worker pool、context 超时取消、net/http 服务与中间件、golangci-lint 与标准项目布局。详细内容见 每日计划。

产出物 ​

并发 fetcher 工具： 并发抓取 N 个 URL（可配并发数、超时、重试），go test -race 干净通过。这个小工具就是网关的 embryo——Week 3 的转发与并发调度全是它的放大。

推荐资源 ​

Week 3 - 网关项目核心 ​

核心思路： 从本周起进入项目驱动。你要做的东西业界有成熟对照物（LiteLLM、OneAPI 等）——先自己设计，再对照它们的设计 diff 思路。

本周学什么（一句话概览）： 网关架构与 openai 兼容协议、反向转发与多模型路由、SSE 流式透传、令牌桶限流、超时与重试。详细内容见 每日计划。

产出物 ​

网关 MVP： 一个进程、一个 openai 兼容端点，按路由规则把请求转发到至少 2 个模型厂商，流式请求全程透传，超限请求被令牌桶拒绝。Phase 6 的 chat 前端改个 base URL 就能直接接到这个网关上——这是最好的集成验收。

推荐资源 ​

Week 4 - 缓存 + 可观测 + 部署 + 压测 ​

核心思路： 把 MVP 打磨成能写进简历的作品：有数据（压测报告）、能一键部署（Docker）、能讲清设计（README）。与 Phase 6 作品集打磨的方法论完全同构。

本周学什么（一句话概览）： 响应缓存、slog 结构化日志与请求指标、Docker 多阶段构建与云端部署、hey/wrk 压测与 P50/P95 优化、README 作品集化。详细内容见 每日计划。

产出物 ​

  • 网关 Docker 化并部署到 Fly.io / Railway，有公开端点
  • 压测报告：并发梯度下的 P50/P95/QPS，以及一处性能优化的前后对比
  • 完整 README：架构图、设计取舍（为什么用 channel 不用锁、为什么缓存只做非流式）、压测数据、快速开始

推荐资源 ​

阶段总结与自检 ​

完成标准 ​

  • [ ] 能向面试官讲清 goroutine/channel 与 asyncio 的模型差异，以及各自适用的场景
  • [ ] 网关可演示：openai 兼容端点 → 按路由转发到 ≥ 2 家厂商，流式对话全程可见
  • [ ] 有限流、超时、重试；go test -race 干净通过
  • [ ] Docker 部署上线，有公开端点
  • [ ] 压测报告有 P50/P95 数据，README 有设计取舍论述
  • [ ] 能读懂 MCP 官方 Go SDK 的示例源码并跑通一个 server

面试故事线（这个项目怎么讲） ​

"我注意到 Agent 基建岗位普遍用 Go，于是用 Go 写了一个 LLM 网关：openai 兼容协议、多厂商路由、SSE 流式透传、令牌桶限流。压测从 XX QPS 优化到 XX QPS，P95 控制在 XX ms。过程中最深的体会是 Go 的并发模型和 Python asyncio 的本质差异……"

数字是你压测出来的真实数据——这也是为什么 Week 4 的压测是 P1 而不是 P2：有数据的基建项目在面试里比十个 CRUD 有说服力。

学完之后 ​

  • 把网关接入你的 Phase 6 作品集项目（chat 前端 → 网关 → 模型厂商），让它从"练习"变成"架构的一层"
  • 进阶方向：给网关加成本核算与配额（Phase 6 的成本控制议题）、加 fallback 路由（主模型挂了自动切备用）、读 One API 源码对照你的设计
  • Go 的下一站：读 Docker/K8s 生态里你感兴趣的项目源码，或给 MCP Go SDK 提一个 PR