AI 脉络GitHub ↗
术语库概念对比学习路径AI 雷达参与共建GitHub ↗

学习路径

按问题学习,不按字母背词。

每条路径只保留理解目标所需的概念。读完一个词条,就能自然知道下一步该看什么。

零基础 · 约 45 分钟

从模型到能做事的 Agent

先建立模型、上下文与工具的基本直觉,再理解 Agent 为什么需要工作流、评测和护栏。

学完能做什么:能区分模型生成、工具执行与 Agent 决策。

开始这条路径
  1. 1.1LLM
  2. 1.2提示工程
  3. 1.3上下文工程
  4. 1.4工具调用
  5. 1.5Agent
  6. 1.6评测
动手检验

选一个日常任务,写出模型负责什么、工具负责什么,以及如何判断结果合格。

知识库实践者 · 约 35 分钟

做一个靠谱的 RAG 系统

从内容如何表示开始,分清检索、知识库、长上下文和微调各自负责什么。

学完能做什么:能定位回答错误发生在检索还是生成环节。

开始这条路径
  1. 2.1Embedding
  2. 2.2向量检索
  3. 2.3知识库
  4. 2.4RAG
  5. 2.5长上下文
  6. 2.6微调
动手检验

挑选五个真实问题,逐个记录正确资料是否被召回、回答是否忠于资料。

应用开发者 · 约 45 分钟

把模型安全接进产品

从固定工作流起步,先让输出可校验,再加入工具、开放协议、自主决策和安全控制。

学完能做什么:能为模型调用设计权限、失败处理与验收条件。

开始这条路径
  1. 3.1Workflow
  2. 3.2结构化输出
  3. 3.3Tool Calling
  4. 3.4MCP
  5. 3.5Agent
  6. 3.6Guardrail
  7. 3.7Evaluation
动手检验

画出一个工具调用流程,标出参数校验、人工确认和失败后的退出位置。

准备选框架的开发者 · 约 35 分钟

从直接调用到有状态的 Agent

先掌握工具与控制流,再比较常见智能体框架和细粒度图编排。

学完能做什么:能解释直接调用、LangChain 和 LangGraph 的维护成本与适用条件。

开始这条路径
  1. 4.1工具调用
  2. 4.2Workflow
  3. 4.3Agent
  4. 4.4LangChain
  5. 4.5LangGraph
动手检验

画出一个订单处理任务,标注模型调用、分支、审批、恢复位置,再决定是否引入框架。

关注模型效果与成本的开发者 · 约 30 分钟

理解微调与知识蒸馏

从模型和独立评测出发,理解继续训练与教师知识迁移如何组合。

学完能做什么:能区分模型适配与教师监督,按质量、延迟和总成本评估是否训练。

开始这条路径
  1. 5.1LLM
  2. 5.2评测
  3. 5.3微调
  4. 5.4知识蒸馏
动手检验

为一个重复业务任务设计教师、原始学生、蒸馏后学生的对照表,先写验收标准再填实测结果。

路径不是课程表遇到实际问题时随时跳转;理解、实践、再回来看,往往比一次读完更有效。