跳转至

学习路线图

学习路线图（配技能树图）

  • 通用技能主干（所有读者必过）
  • 入门阶段：LLM API 调用 → Prompt 工程 → RAG 基础
  • 进阶阶段：Function Calling / MCP → 单 Agent → Multi-Agent
  • 生产阶段：可观测性 → 成本优化 → 安全加固

  • 技能树节点说明：每节点标注预计学习时长与前置依赖

  • 通道一：工程实战快速通道（6–8 周）

  • 适合人群
    • 有 Python 基础、想尽快做出可运行 AI 产品的开发者
    • 在职工程师、产品经理、想转型 AI 应用方向的从业者
    • 参加黑客松 / 快速验证 MVP 的创业者
  • 阅读策略：优先「动手实验」节，理论部分速读后直接跑代码
  • 推荐学习路径（按周）
    • Week 1：Module 0 环境搭建 → Module 1.1 LLM 核心概念 → Module 1.3 主流 API 接入【动手：统一调用层】
    • Week 2：Module 1.2 Prompt Engineering【动手一~三】→ Module 2.4【动手：本地知识库问答】
    • Week 3：Module 2.5 Advanced RAG【动手】→ Module 3.3【动手：接入搜索/数据库工具】
    • Week 4：Module 4.2 ReAct 实战 → Module 4.5【动手：LangGraph 有状态 Agent】
    • Week 5：Module 5.4【动手：双 Agent 代码生成审查系统】→ Module 6.1–6.3 流式输出 / 成本控制 / 缓存
    • Week 6：Module 6.6【动手：生产级 Agent 监控服务】→ Module 7 任选 1 个垂直项目完整跑通
    • Week 7–8：Module 7.5【动手：Docker + 云端部署全流程】
  • 可跳过节点（不影响主线动手实验）
    • Module 1.2.2–1.2.3 LoRA / QLoRA 数学原理精讲（了解结论即可）
    • Module 4.3 ToT / GoT 高级规划策略（生产中低频）
    • Module 8 技术演进史全文（可在学完后作背景阅读）
    • 所有面试题集（实战通道暂不强制）

  • 里程碑检验

    • ✅ Week 2 结束：能独立搭建一个本地 RAG 问答系统
    • ✅ Week 4 结束：能用 LangGraph 跑通一个带工具调用的 ReAct Agent
    • ✅ Week 8 结束：有一个完整部署到云端、可公开访问的 AI Agent 项目

  • 通道二：求职面试深度通道（10–12 周）

  • 适合人群
    • 准备冲击大厂 / AI 独角兽 AI 工程师 / 算法工程师岗位的求职者
    • 已有工程经验、想系统补齐原理深度与面试表达的候选人
    • 在校研究生、想打通「学术 → 工程」链路的同学
  • 阅读策略：理论精读 + 动手实验 + 面试题集三线并进，每章留复盘时间
  • 推荐学习路径（按周）
    • Week 1–2：Module 1 全文精读（含 LoRA 原理）+ 🎯 面试题集：Prompt / LLM 原理类 全部手写答案
    • Week 3–4：Module 2 全文精读（含 RAGAS 评估体系）+ 🎯 面试题集：RAG 设计与优化类 全部手写答案
    • Week 5：Module 3 全文精读 + 🎯 面试题集：工具调用类 + 独立实现 MCP Server 动手三
    • Week 6–7：Module 4–5 全文精读（含记忆系统 / Multi-Agent 原理）+ 🎯 面试题集：Agent 架构 + 多 Agent 设计类 全部手写答案
    • Week 8：Module 6 全文精读（含安全与可观测性）+ 🎯 面试题集：工程落地类 全部手写答案
    • Week 9：Module 7 完成全部四个垂直项目（可选其中最相关的两个深做）
    • Week 10：Module 8.1–8.3 技术演进史精读 + 🎯 面试题集：技术演进与视野类 准备开放题叙述框架
    • Week 11–12：附录框架对比表背诵 + 模拟面试 2 轮（含系统设计题）
  • 面试题集使用方法
    • 第一遍：合上资料独立作答，限时 10 分钟 / 题
    • 第二遍：对照参考答案找差距，标注「会答但说不清楚」的知识点
    • 第三遍：对着镜头或搭档口头复述，模拟真实面试节奏
    • 高频重点标注：每章面试题中标注 ⭐ 的为近两年真实出现题目

  • 里程碑检验

    • ✅ Week 4 结束：能清晰口述 RAG 全流程并回答「向量检索丢失关键词怎么补救」类深度追问
    • ✅ Week 8 结束：能独立完成 45 分钟系统设计题（如「设计支持千万用户的 LLM 网关架构」）
    • ✅ Week 12 结束：能用 STAR 格式讲清楚至少 2 个完整 AI Agent 项目经历

  • 通道选择快速决策

  • 「我想 3 个月内上线一个 AI 产品」→ 工程实战快速通道
  • 「我在准备 3 个月后的大厂面试」→ 求职面试深度通道
  • 「我是在职工程师，边学边用」→ 工程通道主线 + 每章面试题选做
  • 「我是研究生 / 转行选手，时间充裕」→ 深度通道全量学习

环境搭建（Python / Node.js / API Keys）

  • Python 环境：pyenv + uv 包管理器配置
  • Node.js 环境：nvm + pnpm 配置
  • API Keys 获取与安全管理（.env + python-dotenv）
  • 推荐 IDE 插件清单（VS Code / Cursor + Claude Code 接入）

如何使用本资料

  • 理论 + 动手实验的配合方式说明
  • 代码仓库结构说明（monorepo 约定）
  • 本地运行 / Colab 运行两种模式切换指南