学习路线

读者画像

本教程面向使用 vibe coding 进行开发、有简单计算机和编程基础的人群。读者不需要提前读过 Mastra 源码，但需要能看懂基本的 TypeScript、命令行和 JSON Schema。

学习时建议始终带着三个问题：

问题	为什么重要
这个模块解决什么问题？	避免为了用框架而用框架。
AI 生成代码后我如何验证？	vibe coding 的风险不在生成，而在不验证。
出错时我看哪条链路？	Agent 问题通常跨模型、工具、存储和提示词。

学习顺序

mermaid

flowchart LR
  A[理解 Agent Loop] --> B[工具调用]
  A --> M0[模型与路由]
  M0 --> B
  B --> C[记忆和线程]
  C --> D[长期记忆设计]
  D --> E[确定性工作流]
  E --> F[复杂控制流]
  F --> G[RAG 检索增强]
  G --> H[MCP 外部工具]
  H --> I[结构化输出]
  I --> J[RequestContext / Streaming]
  J --> K[Processors / Guardrails]
  K --> L[人工确认和多 Agent]
  L --> M[可观测性和评估]
  M --> E0[评估设计]
  E0 --> C0[案例：天气与旅行 Agent]
  C0 --> S[服务化和 API 集成]
  S --> N[Study Agent 最终项目]

每章结构

每章都按同一种节奏写：

问题场景：为什么你需要这个机制。
原理解释：不依赖框架也能讲清楚。
Mastra 映射：对应到 Agent、Tool、Memory、Workflow 等模块。
Vibe coding 提示词：可以复制给 AI，让它生成或改造代码。
运行验证：用命令确认行为，不靠感觉。
常见错误：出错时先查这些点。

完成标准

学完后应能独立回答：

Agent 和普通 LLM 调用有什么区别？
模型路由、fallback、embedding 模型分别解决什么问题？
Tool schema 为什么必须清楚？
Memory 的 resource 和 thread 分别表示什么？
Message history、working memory 和 semantic recall 分别解决什么问题？
Workflow 什么时候比 Agent 更适合？
Workflow 的 .then()、.parallel()、.branch() 应该如何选择？
RAG 为什么不是“把所有资料塞进 prompt”？
从关键词 Demo 升级到真实 RAG 时，chunk、embedding、vector store、rerank 分别负责什么？
MCPClient 和 MCPServer 分别适合什么场景？
结构化输出、Tool schema、Workflow schema 分别约束什么？
RequestContext 和 Memory 有什么区别？
Streaming 调试时为什么要看 fullStream 而不只看文本？
Processors 和 Guardrails 为什么不能只靠 prompt 替代？
哪些动作必须经过人工确认？
如何用 trace、toolCalls 和 eval cases 判断 Agent 是否真的变好？
如何把手工样例升级为 scorer 或 CI eval？
如何运行 npm run final:eval，并根据 scorer 明细定位失败？
Mastra Server、Studio、Swagger UI、Client SDK 各自适合什么阶段？
Mastra 项目里哪些文件负责注册、哪些文件负责行为？
让 AI 写 Agent 代码时，哪些部分必须人工验收？

官方文档阅读建议

Mastra 官方文档更新很快，AI 编程工具可能使用旧 API。进入实作前，先读官方文档学习地图，确认本教程选取了哪些官方页面、哪些内容被放到扩展阶段。

学习路线 ​

读者画像 ​

学习顺序 ​

每章结构 ​

完成标准 ​