介绍 Agent 的背景、基本循环、工具设计、记忆、权限、安全、评估和生产化落地方式，帮助从 RAG 走向可控 AI 自动化。

面向初学者梳理 AI 原生应用开发路线，解释大模型、Agent、RAG、Embedding、工具调用、记忆、评估和工程化之间的关系。

解释 Cross Encoder 的原理、它和 Embedding 双塔模型的区别，以及如何在 RAG 中用 rerank 提升检索相关性。

从 Dify 的定位、应用类型、模型接入、知识库、RAG、工作流、工具调用、发布部署和生产治理，系统掌握低代码 AI 应用开发。

从基础概念解释 Embedding 模型如何把文本变成向量，如何计算相似度，如何用于语义搜索、RAG、聚类和推荐。

介绍 LangChain 的定位、核心抽象、Prompt、Model、Retriever、Tool、Chain、Agent，以及如何用它搭建 AI 原生应用。

从角色、任务、上下文、约束、示例和结构化输出讲解 Prompt Engineering，并说明它在 RAG 和 Agent 中的实际用法。

系统介绍 RAG 的背景、原理、核心流程、文档切分、召回、重排序、Prompt 组装、引用、权限和评估方法。