2026_DesignAI/officefile/supplements/01-foundations

第二部分：基础原理

本部分目标

理解现代AI系统的核心设计原理，超越具体工具：

• 智能系统的模块化设计思想
• 状态与状态机的设计哲学
• 概率思维与不确定性处理
• 反馈机制与学习原理
• 人机协同的理论基础

---

章节导航

章节	文件	核心问题	实践
01.1	智能的模块化视角	为什么要模块化？技能如何封装？	QGIS技能架构分析
01.2	状态与状态机	状态是什么？为何重要？	简单工作流状态机
01.3	概率与不确定性	AI如何处理未知？	生态源地识别不确定性
01.4	反馈与学习	系统如何改进？	生态网络优化示例
01.5	人机协同的原理	何时需要人类介入？	ENAgent审查点设计

---

学习路径

                    ┌─────────────────┐
                    │  01-foundations │
                    └────────┬────────┘
                             │
        ┌────────────────────┼────────────────────┐
        │                    │                    │
        ↓                    ↓                    ↓
  ┌──────────┐        ┌──────────┐        ┌──────────┐
  │设计思维  │        │系统思维  │        │协作思维  │
  │01.1, 01.2│        │01.3, 01.4│        │   01.5   │
  └──────────┘        └──────────┘        └──────────┘
        │                    │                    │
        └────────────────────┼────────────────────┘
                             │
                             ↓
                    ┌─────────────────┐
                    │  综合理解       │
                    │  AI系统设计     │
                    └─────────────────┘

---

核心概念图谱

                    ┌─────────────────────────────────────┐
                    │           AI系统设计核心             │
                    └─────────────────────────────────────┘
                                       │
        ┌──────────────────────────────┼──────────────────────────────┐
        │                              │                              │
        ↓                              ↓                              ↓
┌───────────────┐              ┌───────────────┐              ┌───────────────┐
│   模块化      │              │   状态机      │              │   反馈循环    │
│   ──────────  │              │   ──────────  │              │   ──────────  │
│ 技能封装      │              │ 工作流编排    │              │ 学习优化      │
│ 接口设计      │              │ 条件分支      │              │ 奖励信号      │
│ 组合模式      │              │ 错误处理      │              │ 探索利用      │
└───────────────┘              └───────────────┘              └───────────────┘
        │                              │                              │
        └──────────────────────────────┼──────────────────────────────┘
                                       │
                                       ↓
        ┌─────────────────────────────────────────────────────────────┐
        │                     人机协同层                               │
        │  ─────────────────────────────────────────────────           │
        │  何时介入 │ 如何信任 │ 责任边界 │ 互补优势                    │
        └─────────────────────────────────────────────────────────────┘

---

前置知识

必需：

• Python面向对象编程基础
• 函数式编程概念（高阶函数、map/reduce）
• 基本的数据结构（图、树、字典）

有助理解：

• 设计模式基础
• 状态机概念
• 概率论基础

---

预计学习时间

阅读类型	时间估计
快速浏览	3-4小时
理解性阅读	10-15小时
完成所有实践	20-25小时

---

章节亮点

01.1 智能的模块化视角

• 从QGIS插件架构理解模块化
• 函数式组合思想
• 技能即能力封装的设计理念

01.2 状态与状态机

• 为什么状态管理是核心
• LangGraph的状态设计哲学
• 工作流的状态机实现

01.3 概率与不确定性

• 空间分析中的不确定性来源
• 置信度的表示和传播
• 鲁棒决策的方法

01.4 反馈与学习

• 强化学习的直觉理解
• 奖励函数设计原则
• 探索与利用的权衡

01.5 人机协同的原理

• HITL的理论基础
• 信任校准机制
• 责任边界划分

---

实践案例01：用LangGraph构建空间决策工作流

详见 practice/langgraph-workflow

实践目标

1. 理解状态驱动的Agent设计
2. 实现一个简单的空间决策工作流
3. 添加Human-in-the-Loop审查点
4. 处理工作流中的错误和重试

---

思考框架

在学习每章时，问自己：

1. 概念理解：这个概念解决了什么问题？
2. 设计权衡：为什么这样设计？有哪些替代方案？
3. 实际应用：这个原理在ENAgent中如何体现？
4. 迁移思考：这个原理可以应用到我的工作中吗？

---

延伸资源

经典阅读

• "Design Patterns" (GoF) - 设计模式基础
• "Introduction to Automata Theory" - 状态机理论
• "Reinforcement Learning: An Introduction" - RL基础

在线资源

• LangGraph官方文档
• LangChain状态管理指南
• Human-in-the-Loop机器学习论文集

---

关键要点预览

1. 模块化是管理复杂性的核心方法
2. 状态机是工作流编排的基础抽象
3. 概率思维让AI能处理不确定性
4. 反馈循环是学习和改进的机制
5. 人机协同需要明确的责任边界

"原理是知识的骨架，工具是知识的血肉。骨架不变，血肉可生。"