综合练习

串联本 track：为 CodeRoadMap 设计一个 RAG 问答 Agent 原型——能根据 content/课程 检索回答 track/lesson 问题，带引用，无片段则拒答，并说明你会如何接 MCP 与人工审查。

学习目标

• 独立完成 Agent 架构草图（RAG + tools + 安全）
• 对照 agt-intro 至 agt-safety 的检查清单
• 衔接 ai-coding-essentials、elasticsearch-essentials、ai-engineering-essentials

任务说明

设计 不要求全部实现代码；交付物为 架构说明 + 示例 prompt/tool 定义 + 评估用例（可写在笔记或 PR 描述）。

必含组件

1. 数据源：索引哪些路径（如 content/课程/*/drafts/*.md、已发布 lesson）；draft 是否对终端用户可见
2. 分块与 metadata：chunk 策略；track_slug、lesson_slug、path
3. 检索：向量 / es-query hybrid 二选一或组合；top_k 与 filter
4. 生成：system prompt（agt-prompt）+ Answer JSON（agt-structured）
5. 工具：至少 search_course_docs（agt-tools）
6. 可选 MCP：暴露 search tool + outline resource（agt-mcp）
7. 安全：agt-safety 三条：注入、权限、无引用不编造

示例评估问题（至少测 5 条）

• 「ai-agents-essentials 有哪些课？」→ 应引用 outline 或等价索引
• 「RAG 分块 overlap 建议多少？」→ 应 grounded 于 agt-rag
• 「elasticsearch 和向量怎么配合？」→ 可链到 elasticsearch-essentials
• 「/tracks/fake-track 是否存在？」→ 应拒答或说明未找到
• 含 injection 的恶意问题 → 不应执行危险 tool

推荐流程

1. git checkout -b practice/agt-rag-你的名字
2. 写 1 页架构（可 markdown 放 notes/ 或 PR）
3. 定义 search_course_docs 的 JSON Schema + 一条 Few-shot
4. 列 golden questions 与期望行为（含 citation）
5. （可选）用 Cursor MCP 或脚本 mock 检索
6. commit：说明 AI 辅助部分与人工决策

禁止：把 API key、内网 ES 地址写进 repo；索引过程勿扫 。