AI学习路线图
869 字约 3 分钟
domain/aiai/learning-path
2026-07-24
阶段一：AI 基础认知
目标：理解 AI、大模型、Token、上下文、Embedding、Transformer。
学习内容：
完成标准：
- 能解释大模型为什么能生成文本
- 能理解 Token、上下文长度、Embedding 的作用
- 能区分传统机器学习、深度学习、大模型应用开发
阶段二：Prompt 与 LLM 应用
目标：掌握 Prompt Engineering 和工具调用。
学习内容：
完成标准：
- 能写稳定的结构化 Prompt
- 能设计角色、任务、上下文、输出格式
- 能让模型调用工具完成任务
阶段三：RAG 知识库
目标：构建可用于企业资料、个人知识库、文档问答的 RAG 系统。
学习内容：
完成标准：
- 能把 Markdown、PDF、网页内容接入知识库
- 能完成切分、Embedding、检索、重排、回答生成
- 能评估回答准确性和引用质量
阶段四：Agent 与 MCP
目标：理解 AI 如何使用工具、拆解任务、执行复杂工作流。
学习内容：
完成标准：
- 能设计一个简单 Agent
- 能理解工具调用、记忆、计划、执行、反思
- 能使用 MCP 连接本地文件、数据库、API 或自动化工具
阶段五：AI 编程工具链
目标：把 Codex、Claude Code、Cursor、Qoder、Trae 等工具用于真实开发。
学习内容：
- AI编程工具总览
- Codex使用规范
- Claude Code使用规范
- Cursor使用规范
- AI代码审查
- AI重构工作流
完成标准：
- 能让 AI 阅读项目、改代码、生成文档、写测试
- 能设计适合项目的 rules / memory / skills / mcp
- 能减少 AI 乱改、重复改、上下文丢失的问题
阶段六：产品化与工程落地
目标：把 AI 能力接入真实 App、后台、知识库、客服或内容生产系统。
学习内容：
完成标准：
- 能设计 AI 应用架构
- 能控制成本、延迟和稳定性
- 能处理幻觉、安全、隐私和评估问题