学习路线图

🎯 本篇目标

帮助你规划大模型应用开发的学习路径，从基础到进阶，循序渐进。

📊 技能树总览

大模型应用开发
├── 基础能力
│   ├── Python 编程
│   ├── 机器学习基础
│   └── NLP 基础
├── RAG 检索增强
│   ├── 文档处理与切分
│   ├── Embedding 技术
│   ├── 向量数据库
│   ├── 检索与重排序
│   └── 评估与优化
├── Agent 智能体
│   ├── 工具调用
│   ├── 规划与推理
│   ├── 记忆机制
│   └── 多智能体协作
└── 训练与微调
    ├── 数据准备
    ├── SFT / DPO / RLHF
    ├── LoRA 等高效微调
    └── 部署与推理优化

🛤️ 推荐路径

路径一：应用开发者（3-6 个月）

目标：能够使用现有模型构建 RAG 和 Agent 应用

阶段	内容	时间
1	前置知识 + LLM API 调用	2 周
2	RAG 全链路	4 周
3	Agent 开发	4 周
4	生产部署	2 周

路径二：算法工程师（6-12 个月）

目标：能够进行模型微调和优化

阶段	内容	时间
1	应用开发者路径	3 个月
2	训练数据准备	2 周
3	SFT / LoRA 微调	4 周
4	RLHF / DPO	4 周
5	评估与部署	4 周

💻 实践项目建议

1. 入门：基于 OpenAI API 的问答机器人
2. 进阶：企业知识库 RAG 系统
3. 高级：多工具 Agent + 自定义微调模型

📚 延伸阅读

• 前置知识
• RAG 概述
• Agent 概述