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（前置知识）
│   ├── Python 编程
│   ├── HTTP/API 基础
│   └── 机器学习基础
│
├── 核心应用模块
│   ├── ✨ Prompt 工程 ⭐
│   │   ├── Zero-shot / Few-shot
│   │   ├── 思维链 (CoT)
│   │   ├── 提示优化
│   │   └── 安全防御
│   │
│   ├── 🔍 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 (Function Calling)
│   │   ├── 规划与推理 (ReAct/ToT)
│   │   ├── 记忆机制
│   │   └── 多智能体协作
│   │
│   └── 🔌 MCP 协议 ⭐⭐
│       ├── 协议基础
│       ├── 上下文管理
│       └── 高级特性
│
└── 深度技术模块
    ├── ⚙️ 训练与微调 ⭐⭐⭐⭐
    │   ├── 数据处理
    │   ├── SFT / LoRA / QLoRA
    │   ├── DPO / RLHF 对齐
    │   └── 推理优化
    │
    └── 👁️ 多模态 ⭐⭐⭐
        ├── 视觉编码器
        ├── 多模态 RAG
        └── 统一架构

🛤️ 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	学习内容	对应模块	时间	难度
阶段 1：基础入门	前置知识 + LLM API 调用掌握基本交互方式	✨ Prompt 工程	2 周	⭐
阶段 2：RAG 应用	文档检索、向量数据库构建知识库问答系统	🔍 RAG 检索增强	4 周	⭐⭐
阶段 3：Agent 开发	工具调用、规划推理构建自动化智能体	🤖 Agent 智能体 🔌 MCP 协议	4 周	⭐⭐⭐
阶段 4：生产部署	性能优化、监控评估实际项目落地	综合应用	2 周	⭐⭐

学习顺序建议：

Prompt 工程 → RAG → Agent → MCP (可选)
    ↓         ↓      ↓
  基础     进阶    高级

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，深度定制模型

阶段	学习内容	对应模块	时间	难度
阶段 1：应用基础	完成应用开发者路径理解模型行为与能力边界	Prompt RAG Agent	3 个月	⭐-⭐⭐⭐
阶段 2：数据处理	数据清洗、标注、构建质量评估与优化	⚙️ 训练与微调 - 数据	2 周	⭐⭐
阶段 3：高效微调	SFT、LoRA、QLoRA 参数高效微调实践	⚙️ 训练与微调 - LoRA ⚙️ 训练与微调 - SFT	4 周	⭐⭐⭐
阶段 4：对齐优化	RLHF、DPO 人类偏好对齐	⚙️ 训练与微调 - RLHF ⚙️ 训练与微调 - DPO	4 周	⭐⭐⭐⭐
阶段 5：部署优化	推理优化、量化压缩生产环境部署	⚙️ 训练与微调 - Serving ⚙️ 训练与微调 - Eval	4 周	⭐⭐⭐

可选进阶：

多模态方向：👁️ 多模态（视觉理解、图文融合）- 4-6 周
研究探索：新架构研究（Mamba、MoE）、前沿对齐技术

路径三：快速入门（1-2 个月）

目标：快速上手，构建简单应用

阶段	学习内容	对应模块	时间	难度
第 1 周	Prompt 工程基础 API 调用实践	✨ Prompt 工程	1 周	⭐
第 2-3 周	RAG 基础实现简单问答系统	🔍 RAG 检索增强	2 周	⭐⭐
第 4 周	综合项目实践	综合应用	1 周	⭐⭐

模块依赖关系

依赖说明：

Prompt 工程 是基础，建议最先学习
RAG 和 Agent 可以并行学习，但建议先掌握 RAG 基础
MCP 协议 在掌握 Agent 后学习效果更佳
训练与微调 需要较强的机器学习基础
多模态 可以独立学习，但了解 RAG/Agent 有助于理解应用场景

💻 实践项目建议

入门项目（1-2 周）

智能问答助手
- 技术栈：Prompt 工程
- 功能：基于 API 的对话机器人
- 学习点：Zero-shot、Few-shot、Temperature 调优
简单 RAG 系统
- 技术栈：RAG 检索增强基础
- 功能：文档检索 + LLM 生成回答
- 学习点：文档切分、Embedding、向量检索

进阶项目（1-2 个月）

企业知识库 RAG 系统
- 技术栈：RAG 检索增强全链路
- 功能：多文档索引、混合检索、重排序、引用溯源
- 学习点：分块策略、检索优化、评估体系
工具调用 Agent
- 技术栈：Agent 智能体 - 工具调用
- 功能：天气查询、计算器、数据库操作
- 学习点：Function Calling、错误处理、工具编排
智能规划 Agent
- 技术栈：Agent 智能体 - 规划与推理
- 功能：复杂任务分解、多步执行、自我反思
- 学习点：ReAct、ToT、Reflexion

高级项目（2-3 个月）

多工具 Agent 系统
- 技术栈：Agent + MCP 协议
- 功能：搜索引擎、代码执行、API 调用、多轮对话
- 学习点：多工具协调、状态管理、MCP 协议
多模态 RAG Agent
- 技术栈：RAG + Agent + 多模态
- 功能：图文检索、视觉问答、多模态推理
- 学习点：视觉编码、多模态检索、Agent 规划
自定义微调模型
- 技术栈：训练与微调
- 功能：领域数据微调、指令遵循优化、对齐训练
- 学习点：LoRA/QLoRA、SFT、DPO、评估部署