AI工程学习路线图 (AI Engineering Learning Roadmap)
从编程基础到AI工程师的完整学习路径，涵盖LLM APIs、AI代理、RAG技术、基础设施部署等核心技能，专注于AI工程化实践。
结构化学习
共包含 5 个阶段、12 个知识点，循序渐进掌握核心技能。
学习建议
推荐学习时长约为 8-16 个月，可根据自身节奏灵活调整。
关键能力
AI工程 · LLM · AI代理
循序渐进的学习计划
按阶段结构化的学习路径，帮助你系统掌握核心技能。每个阶段都有明确的学习目标和配套资源。
阶段 1
编码与基础
编程基础和机器学习基础
START
入门AI工程学习之旅开始
编码与机器学习基础
入门掌握Python编程、Bash脚本、TypeScript基础、统计学和机器学习模型类型
阶段 2
核心技术
LLM相关技术和工具
LLM APIs
中级学习不同类型的LLM、结构化输出、提示词缓存、多模态模型的使用
模型适配
中级掌握提示词工程、工具使用、微调技术来优化模型性能
RAG与代理RAG
高级掌握数据准备、检索生成、重排序、MCP协议、LLM编排框架
阶段 3
代理系统
AI代理和智能系统
AI代理
高级学习AI代理设计模式、多代理系统、记忆管理、人机协作、代理编排框架
前瞻性元素
高级探索语音和视觉代理、机器人代理、计算机使用、CLI代理、自动化提示词工程
阶段 4
基础设施与运维
存储、基础设施和部署
存储与检索
中级学习向量数据库、图数据库、混合检索、元数据处理技术
基础设施
高级掌握云服务、CI/CD、模型路由、LLM部署等基础设施技能
阶段 5
安全与质量
安全防护和质量保证
安全
中级学习防护栏设置、LLM应用测试、伦理考虑等安全措施
可观测性与评估
中级掌握代理仪表化、可观测性平台、评估技术、AI代理评估方法
📚 配套学习资源
精选课程、文章、工具等资源，帮助你在每个阶段深入学习
Building Systems with the ChatGPT API
学习如何使用ChatGPT API构建多步骤系统和聊天机器人，由Andrew Ng和OpenAI团队主讲
Building Applications with LLMs
构建LLM应用的实用指南
LangChain
构建LLM应用的开源框架，包含丰富的文档、示例和集成组件
OpenAI API Documentation
OpenAI官方API文档，包含详细的使用指南、代码示例和API参考
Prompt Engineering Guide
全面的提示词工程指南
Vector Databases Comparison
向量数据库对比和选择指南
Machine Learning Engineering for Production (MLOps Specialization)
由Andrew Ng主讲的生产环境ML工程专项课程，涵盖模型部署、监控、MLOps最佳实践
CrewAI
多代理AI系统框架
AI Agent Design Patterns
AI代理设计模式详细解析
AI Engineering Community
AI工程实践社区讨论
Aurimas Griciunas - X/Twitter
AI工程路线图作者的X/Twitter账号，分享AI工程实践和见解
Swirl AI
AI工程路线图作者的官方网站，提供AI工程相关服务和资源