学习路径

这份手册不要求你线性读完。更好的方式是先选目标，再围绕一个能交付的小项目向外扩展：缺什么补什么，做完再复盘。

学习导航

完成本文后，你将能够

1. 根据应用开发、算法工程或面试准备选择合适路线。
2. 把每条路线拆成模块、项目和阶段性产出。
3. 理解本站内容状态、前置知识和阅读顺序的使用方式。

先选一个交付物

如果你不知道从哪里开始，不要先问“我要读多少论文”，先问“我两周后要交付什么”。LLM 学习很容易被新模型、新框架和新术语带着跑，交付物能帮你过滤噪声。

交付物	适合人群	最小验收
一个带引用的文档问答 Demo	应用开发者	能回答 20 个真实问题，并在证据不足时拒答
一份 RAG/Agent 系统设计稿	面试或方案评审	画出数据、模型、工具、评估和失败恢复路径
一次 LoRA/SFT 小实验	算法工程师	有基线、验证集、失败样本和可复现实验记录
一个 MCP 小服务	工具/平台开发者	Host 能发现工具，参数校验和权限边界清楚

路线不是为了“看完”，而是为了让你在做项目时知道下一块短板在哪里。

路径一：应用开发者（3-6 个月）

适合目标：你想用现有模型构建 RAG、Agent、知识库、自动化工具或企业内部 AI 应用。

推荐顺序：

1. Prompt 工程：学习如何描述任务、控制上下文和约束输出。
2. RAG：让答案能够引用外部知识，而不是只依赖模型记忆。
3. Agent：把模型接入工具、工作流和多步任务。
4. MCP：用协议化方式连接外部系统和上下文。
5. 生产实践：补齐评估、监控、成本、权限和发布回滚。

阶段性产出：

阶段	应完成的作品	对应页面
入门	一个结构化 Prompt/API demo	Prompt 基础
进阶	一个带引用的知识库问答	RAG 生产实践
高级	一个可观察、可中断的工具 Agent	Agent 工具调用
集成	一个 MCP server/client 小样例	MCP 快速入门

路径二：算法工程师（6-12 个月）

适合目标：你想理解模型训练、微调、对齐、评估和多模态模型的底层机制。

推荐顺序：

1. 前置知识：补齐 Python、机器学习、NLP 与 Transformer。
2. 数据工程：先学如何判断数据是否值得训练。
3. SFT / LoRA：从小模型和参数高效微调开始。
4. DPO / RLHF：理解偏好对齐的目标和风险。
5. 评估：建立离线评测、红队和回归样本。
6. 多模态：扩展到视觉编码、连接器和图文任务。

阶段性产出：

阶段	应完成的作品	对应页面
数据	一份数据卡、清洗脚本和抽样报告	训练数据
微调	一次 LoRA/SFT 对照实验	LoRA
对齐	一组偏好数据与 DPO 结果分析	DPO
部署	一份推理服务压测和评估报告	部署推理

路径三：面试冲刺（2-6 周）

适合目标：你要准备 LLM 应用、算法、Agent、RAG 或平台方向面试，需要快速建立回答框架。

推荐顺序：

1. 术语速查：先把基础词汇说准。
2. RAG 面试题：准备检索、重排、引用和评估。
3. Agent 面试题：准备工具调用、规划、记忆和安全。
4. 训练微调面试题：准备 SFT、LoRA、DPO、RLHF、评估。
5. 系统设计：练知识库问答、客服 Agent、评估平台。
6. 代码题：练文本切分、Top-k、缓存、重试和小评估脚本。

冲刺方法：

• 每个概念准备“定义、为什么需要、常见失败、如何评估”四句话。
• 每个项目准备“背景、架构、指标、失败案例、下一步”五段叙述。
• 遇到不会的问题，先拆成数据、检索、模型、工具、评估五层定位。

如何使用手册

判断路线是否选对

选对路线时，你会持续产生中间产物：Prompt 模板、评估样本、检索 trace、工具 schema、数据卡或系统图。选错路线时，你通常只是在收藏链接，项目没有变得更可运行。

每周做一次复盘：

1. 本周新增了什么可运行、可复用或可讲清的东西？
2. 当前最大失败来自数据、检索、模型、工具、评估还是产品边界？
3. 下一周是继续读概念，还是该做一个小实验验证判断？

状态标签

标签	含义	阅读建议
verified	已按当前资料复核，可优先引用	适合作为主线材料
needs-review	已整理但仍需要更新或二次校验	阅读时留意技术版本
opinion	含作者判断或经验总结	适合启发，不要当成标准答案
historical	保留历史背景	用于理解演进，不代表最新实践

阅读顺序

1. 先看本页确定目标。
2. 再看 前置知识 补短板。
3. 用 学习路线图 拆时间计划。
4. 每学完一个模块，到 实践项目 选一个小项目验证。
5. 需要复习时，用 参考手册 做速查。